摘要 | 第5-6页 |
Abstract | 第6页 |
1 绪论 | 第9-13页 |
1.1 线性-非线性反演问题 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.3 本文主要内容 | 第12-13页 |
2 全贝叶斯方法与F-J方法 | 第13-29页 |
2.1 贝叶斯理论 | 第13页 |
2.2 全贝叶斯反演方法 | 第13-16页 |
2.3 F-J方法 | 第16-19页 |
2.4 全贝叶斯方法与F-J方法的关系 | 第19页 |
2.5 Metropolis采样算法 | 第19-21页 |
2.6 基于Gibbs采样的算法 | 第21-22页 |
2.7 基于模拟退火采样的算法 | 第22-23页 |
2.8 迭代最小二乘方法 | 第23-27页 |
2.9 本章小结 | 第27-29页 |
3 震间形变模型反演的迭代最小二乘解 | 第29-41页 |
3.1 理论模型及模拟数据的构造 | 第29-30页 |
3.2 MCMC采样的经验参数对F-J方法反演结果的影响 | 第30-32页 |
3.3 基于Gibbs采样的算法 | 第32-35页 |
3.4 基于模拟退火采样的算法 | 第35-37页 |
3.5 以随机生成的初始值进行迭代最小二乘计算 | 第37-39页 |
3.6 以F-J方法的结果为初始值进行迭代最小二乘计算 | 第39-40页 |
3.7 本章小结 | 第40-41页 |
4 Mogi模型反演的迭代最小二乘解 | 第41-65页 |
4.1 Mogi模型 | 第41-45页 |
4.1.1 垂直位移 | 第41-42页 |
4.1.2 水平位移 | 第42-44页 |
4.1.3 重力变化 | 第44-45页 |
4.2 Mogi模型反演模拟实验 | 第45-54页 |
4.2.1 模拟数据的构造 | 第45页 |
4.2.2 MCMC经验参数对F-J方法反演结果的影响 | 第45-46页 |
4.2.3 基于Gibbs采样的算法 | 第46-49页 |
4.2.4 基于模拟退火采样的算法 | 第49-51页 |
4.2.5 以随机生成的初始值进行迭代最小二乘计算 | 第51-53页 |
4.2.6 以F-J方法的结果为初始值进行迭代最小二乘计算 | 第53-54页 |
4.3 长白山天池火山观测数据反演 | 第54-64页 |
4.3.1 观测数据选取 | 第54-55页 |
4.3.2 MCMC采样经验参数对F-J方法反演结果的影响 | 第55-56页 |
4.3.3 基于Gibbs采样的算法 | 第56-59页 |
4.3.4 基于模拟退火采样的算法 | 第59-61页 |
4.3.5 以随机生成的初始值进行迭代最小二乘计算 | 第61-63页 |
4.3.6 以F-J方法的结果为初始值进行迭代最小二乘计算 | 第63-64页 |
4.4 本章小结 | 第64-65页 |
5 讨论与结论 | 第65-69页 |
5.1 MCMC采样经验参数对F-J方法反演结果的影响 | 第65页 |
5.2 MCMC采样算法对反演结果的影响 | 第65-66页 |
5.3 迭代最小二乘方法与F-J方法的关系 | 第66页 |
5.4 基于F-J线性-非线性模型解的迭代最小二乘方法 | 第66-67页 |
5.5 结语 | 第67-69页 |
参考文献 | 第69-71页 |
致谢 | 第71页 |