基于BP-GA混合算法的波阻抗反演研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 引言 | 第8-14页 |
| ·本文的研究意义 | 第8页 |
| ·波阻抗反演的研究现状和发展 | 第8-10页 |
| ·人工神经网络的研究现状 | 第10-11页 |
| ·GA算法的研究现状 | 第11-12页 |
| ·论文的主要研究内容 | 第12页 |
| ·论文的主要成果 | 第12-13页 |
| ·论文的创新点 | 第13-14页 |
| 第2章 人工神经网络与遗传算法理论基础 | 第14-34页 |
| ·人工神经网络的基本理论 | 第14-21页 |
| ·人工神经元模型 | 第14-17页 |
| ·人工神经网络结构 | 第17-18页 |
| ·网络中神经元个数的确定 | 第18-19页 |
| ·人工神经网络学习规则 | 第19-21页 |
| ·人工神经网络的学习方法 | 第21页 |
| ·BP人工神经网络的基本理论 | 第21-25页 |
| ·遗传算法的基本理论 | 第25-34页 |
| ·GA基本概念 | 第25-26页 |
| ·GA基本操作 | 第26页 |
| ·GA流程描述 | 第26-27页 |
| ·GA算法的特点 | 第27页 |
| ·GA算法的数学基础 | 第27-31页 |
| ·GA算法的收敛性分析 | 第31-34页 |
| 第3章 基于BP-GA混合算法的人工神经网络 | 第34-43页 |
| ·GA算法在人工神经网络中的应用 | 第34-35页 |
| ·基于遗传算法的神经网络存在的问题 | 第35-36页 |
| ·人工神经网络BP-GA混合训练算法 | 第36-37页 |
| ·人工神经网络进化算法 | 第37-38页 |
| ·算法设计 | 第38-43页 |
| ·编码方式的选择和实现 | 第38-39页 |
| ·选择算子的设计 | 第39-40页 |
| ·交叉算子的设计 | 第40-41页 |
| ·变异算子的设计 | 第41页 |
| ·适应度函数的确定 | 第41-42页 |
| ·网络结构的设计 | 第42-43页 |
| 第4章 波阻抗反演 | 第43-65页 |
| ·波阻抗反演的基本知识 | 第43-44页 |
| ·地震子波提取 | 第44-46页 |
| ·遗传算法提子波 | 第45页 |
| ·理论试算 | 第45-46页 |
| ·波阻抗反演数值算法 | 第46-49页 |
| ·BP人工神经网络波阻抗反演方法 | 第49-52页 |
| ·理论模型BP人工神经网络反演 | 第52-55页 |
| ·BP-GA混合算法波阻抗反演 | 第55页 |
| ·BP-GA混合算法波阻抗反演理论模型 | 第55-62页 |
| ·初始模型1约束下的反演 | 第56-58页 |
| ·初始模型2约束下的反演 | 第58-60页 |
| ·带噪音最小相位合成记录的反演 | 第60-62页 |
| ·实际资料BP-GA混合算法波阻抗反演 | 第62-65页 |
| 结论 | 第65-67页 |
| 致谢 | 第67-68页 |
| 参考文献 | 第68-70页 |
