电阻率法地质勘探反演方法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究的目的与意义 | 第9页 |
| 1.2 激电法勘探反演国内外状况 | 第9-11页 |
| 1.3 地球物理反演非线性方法现状 | 第11-13页 |
| 1.3.1 遗传算法 | 第11页 |
| 1.3.2 蚁群算法 | 第11-12页 |
| 1.3.3 BP神经网络算法 | 第12-13页 |
| 1.3.4 模拟淬火算法 | 第13页 |
| 1.4 本文主要的研究工作 | 第13-15页 |
| 第2章 激发极化法理论与BEAM原理 | 第15-20页 |
| 2.1 交流激电法的主要观测参数 | 第15-16页 |
| 2.2 BEAM系统原理 | 第16-19页 |
| 2.3 本章小结 | 第19-20页 |
| 第3章 遗传算法优化神经网络算法勘探反演应用 | 第20-40页 |
| 3.1 BP神经网络与遗传算法联合 | 第20-21页 |
| 3.2 BP-GA网络联合原理与步骤 | 第21-24页 |
| 3.2.1 BP神经网络结构的确认 | 第21页 |
| 3.2.2 遗传算法对BP神经网络的优化 | 第21-24页 |
| 3.3 沙槽模型的GA-BP联合反演结果 | 第24-39页 |
| 3.3.1 单体石头模型的GA-BP联合反演 | 第24-32页 |
| 3.3.2 单体水模型的GA-BP联合反演 | 第32-35页 |
| 3.3.3 单体空气模型的GA-BP联合反演 | 第35-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 蚁群算法优化神经网络算法勘探反演应用 | 第40-54页 |
| 4.1 蚁群算法简介 | 第40-41页 |
| 4.2 ACO-BP网络法联合的原理 | 第41页 |
| 4.3 ACO-BP联合算法步骤 | 第41-43页 |
| 4.4 沙槽模型的ACO-BP联合反演结果 | 第43-53页 |
| 4.4.1 单体石头模型的ACO-BP联合反演 | 第44-48页 |
| 4.4.2 单体水模型的ACO-BP联合反演 | 第48-51页 |
| 4.4.3 单体空气模型的ACO-BP联合反演 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 实验与勘探结果可视化 | 第54-61页 |
| 5.1 BEAM系统实验平台的搭建 | 第54-56页 |
| 5.2 实验过程 | 第56-58页 |
| 5.2.1 单体石头模型实验 | 第56-57页 |
| 5.2.2 单体空气模型实验 | 第57页 |
| 5.2.3 单体水模型实验 | 第57-58页 |
| 5.3 实验数据处理 | 第58-59页 |
| 5.4 反演结果可视化 | 第59-60页 |
| 5.5 本章小结 | 第60-61页 |
| 第6章 结论 | 第61-62页 |
| 参考文献 | 第62-65页 |
| 在学研究成果 | 第65-66页 |
| 致谢 | 第66页 |
