| 摘要 | 第4-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第15-32页 |
| 1.1 直流电阻率法 | 第15页 |
| 1.2 直流电法参数辨识研究现状及进展 | 第15-18页 |
| 1.2.1 直流电法线性参数辨识现状 | 第15-17页 |
| 1.2.2 直流电法地电模型参数辨识发展趋势 | 第17-18页 |
| 1.3 非线性参数辨识方法的研究现状 | 第18-27页 |
| 1.3.1 神经网络参数辨识方法的研究现状 | 第19-23页 |
| 1.3.2 PSO算法的研究现状 | 第23-24页 |
| 1.3.3 遗传算法的研究现状 | 第24-25页 |
| 1.3.4 支持向量机的研究现状 | 第25-27页 |
| 1.4 论文的主要研究工作和章节安排 | 第27-31页 |
| 1.4.1 课题研究目的和意义 | 第27-29页 |
| 1.4.2 论文的主要研究工作 | 第29-30页 |
| 1.4.3 论文的章节安排 | 第30-31页 |
| 1.5 本章总结 | 第31-32页 |
| 第2章 基于神经网络的地电模型参数辨识方法 | 第32-52页 |
| 2.1 直流电阻率法的基本理论 | 第32-43页 |
| 2.1.1 直流电阻率法的基本原理 | 第32-33页 |
| 2.1.2 视电阻率的基本概念和意义 | 第33-34页 |
| 2.1.3 直流电阻率法常用工作方法 | 第34-36页 |
| 2.1.4 直流电阻率法的正演理论 | 第36-43页 |
| 2.2 基于BP神经网络参数辨识方法 | 第43-51页 |
| 2.2.1 BP神经网络 | 第43-44页 |
| 2.2.2 BP神经网络的学习算法 | 第44-47页 |
| 2.2.3 BP神经网络建模 | 第47-48页 |
| 2.2.4 BP神经网络样本划分 | 第48-49页 |
| 2.2.5 BP神经网络的参数辨识流程 | 第49-51页 |
| 2.3 本章小结 | 第51-52页 |
| 第3章 基于QPSO神经网络的地电模型参数辨识方法 | 第52-68页 |
| 3.1 基于BP神经网络的直流电法参数辨识模型 | 第52-53页 |
| 3.2 基于QPSO神经网络的直流电法参数辨识模型 | 第53-58页 |
| 3.2.1 粒子群算法基本原理 | 第53-54页 |
| 3.2.2 量子粒子群算法基本原理 | 第54-55页 |
| 3.2.3 QPSO神经网络参数辨识原理 | 第55-58页 |
| 3.3 QPSO神经网络建模 | 第58-61页 |
| 3.3.1 样本划分与建模 | 第58页 |
| 3.3.2 神经网络隐含层结构设计 | 第58-60页 |
| 3.3.3 神经网络的学习算法设计 | 第60-61页 |
| 3.4 数值仿真与模型参数辨识 | 第61-66页 |
| 3.4.1 QPSO神经网络算法的性能验证与分析 | 第62-63页 |
| 3.4.2 理论模型参数辨识结果评估 | 第63-66页 |
| 3.5 本章小结 | 第66-68页 |
| 第4章 基于IGA神经网络混合的地电模型参数辨识方法 | 第68-84页 |
| 4.1 遗传算法的基本原理 | 第68-70页 |
| 4.2 基于免疫机制的遗传算法基本原理 | 第70-71页 |
| 4.3 基于IGA神经网络混合的地电模型参数辨识 | 第71-77页 |
| 4.3.1 神经网络的样本划分与建模 | 第72页 |
| 4.3.2 神经网络的隐含层结构设计 | 第72-73页 |
| 4.3.3 神经网络的学习算法 | 第73-74页 |
| 4.3.4 IGA算法优化神经网络辨识参数 | 第74-77页 |
| 4.4 数值仿真与模型参数辨识 | 第77-83页 |
| 4.4.1 算法的性能验证 | 第77-80页 |
| 4.4.2 数据仿真与模型参数辨识 | 第80-83页 |
| 4.5 本章小结 | 第83-84页 |
| 第5章 基于LSSVM的地电模型参数辨识算法 | 第84-102页 |
| 5.1 支持向量机 | 第84-85页 |
| 5.2 支持向量机分类 | 第85-88页 |
| 5.2.1 支持向量分类机 | 第86-87页 |
| 5.2.2 支持向量回归机 | 第87-88页 |
| 5.2.3 支持向量机核函数 | 第88页 |
| 5.3 基于支持向量机地电模型参数辨识算法 | 第88-100页 |
| 5.3.1 支持向量机系统辨识 | 第89-92页 |
| 5.3.2 最小二乘支持向量机 | 第92-94页 |
| 5.3.3 最小二乘支持向量机地电模型参数辨识建模 | 第94-96页 |
| 5.3.4 数据仿真和模型辨识 | 第96-100页 |
| 5.4 本章小结 | 第100-102页 |
| 第6章 基于非线性算法的地电模型参数辨识野外实验 | 第102-111页 |
| 6.1 直流电法非线性辨识方法的野外勘察探测实验步骤 | 第102页 |
| 6.2 野外实验区域概况 | 第102-103页 |
| 6.3 野外实验工作参数 | 第103-105页 |
| 6.3.1 分布式电法仪器工作参数 | 第103-104页 |
| 6.3.2 野外观测系统参数 | 第104-105页 |
| 6.4 基于BP神经网络和LSSVM模型直接参数辨识 | 第105-107页 |
| 6.4.1 直接参数辨识的样本划分与建模 | 第105-106页 |
| 6.4.2 辨识结果分析 | 第106-107页 |
| 6.5 基于传统辨识算法的样本重建参数辨识 | 第107-110页 |
| 6.6 本章小结 | 第110-111页 |
| 第7章 总结与展望 | 第111-115页 |
| 7.1 工作总结 | 第111-113页 |
| 7.2 进一步工作展望 | 第113-115页 |
| 参考文献 | 第115-125页 |
| 个人简介及攻读博士学位期间的学术成果 | 第125-127页 |
| 致谢 | 第127页 |
