摘要 | 第4-7页 |
Abstract | 第7-10页 |
第1章 绪论 | 第14-23页 |
1.1 研究背景和研究意义 | 第14-16页 |
1.2 重力及重力梯度反演方法概述 | 第16-20页 |
1.2.1 重力反演概述 | 第16-18页 |
1.2.2 重力梯度数据反演概述 | 第18-19页 |
1.2.3 重力和重力梯度数据联合反演概述 | 第19-20页 |
1.3 存在的主要问题 | 第20-21页 |
1.4 论文研究内容及思路 | 第21-22页 |
1.4.1 研究内容 | 第21页 |
1.4.2 研究思路 | 第21-22页 |
1.5 论文创新点 | 第22-23页 |
第2章 重力和重力梯度正演理论基础 | 第23-35页 |
2.1 重力和重力梯度正演 | 第23-25页 |
2.2 重力和重力梯度灵敏度矩阵快速计算方法 | 第25-28页 |
2.3 重力和重力梯度数据谱分析 | 第28-31页 |
2.4 模型试验 | 第31-34页 |
2.5 小结 | 第34-35页 |
第3章 基于再加权反演的重力和重力梯度分量分析及深度加权函数对比 | 第35-56页 |
3.1 深度加权函数 | 第35-39页 |
3.2 再加权反演方法 | 第39-43页 |
3.2.1 再加权反演问题 | 第39-41页 |
3.2.2 共轭梯度算法 | 第41-43页 |
3.2.3 正则化参数选择 | 第43页 |
3.3 基于再加权的重力和重力梯度分量分析 | 第43-47页 |
3.4 基于再加权光滑反演的深度加权函数对比 | 第47-54页 |
3.4.1 基于深度信息深度加权函数分析 | 第47-50页 |
3.4.2 深度加权函数的对比 | 第50-54页 |
3.5 小结 | 第54-56页 |
第4章 非线性共轭梯度算法 | 第56-73页 |
4.1 稳定函数的选择 | 第56-60页 |
4.1.1 几种常见的基于范数的稳定函数 | 第56-59页 |
4.1.2 模型参数梯度的计算公式 | 第59-60页 |
4.2 非线性共轭梯度算法与BFGS拟牛顿法 | 第60-65页 |
4.2.1 计算正则化方程的梯度 | 第60-62页 |
4.2.2 非线性共轭梯度算法 | 第62-63页 |
4.2.3 BFGS拟牛顿法 | 第63-64页 |
4.2.4 不等式约束条件 | 第64-65页 |
4.3 模型试验 | 第65-71页 |
4.4 小结 | 第71-73页 |
第5章 重力和重力梯度数据联合反演及空间梯度加权函数 | 第73-93页 |
5.1 重力和重力梯度数据分量组合反演结果 | 第73-86页 |
5.1.1 模型建立 | 第73-76页 |
5.1.2 重力反演结果 | 第76-77页 |
5.1.3 重力梯度数据分量组合反演结果 | 第77-82页 |
5.1.4 重力和重力梯度数据分量联合反演结果对比 | 第82-86页 |
5.2 空间梯度加权函数 | 第86-92页 |
5.2.1 模型试验 | 第86-88页 |
5.2.2 空间梯度加权函数 | 第88-90页 |
5.2.3 应用空间梯度加权函数进行反演计算 | 第90-92页 |
5.3 小结 | 第92-93页 |
第6章 实际资料的应用 | 第93-100页 |
6.1 背景介绍 | 第93-95页 |
6.2 实际数据重力和重力梯度联合反演结果 | 第95-98页 |
6.3 小结 | 第98-100页 |
第7章 结论 | 第100-103页 |
参考文献 | 第103-115页 |
作者简介及在学期间取得的科研成果 | 第115-116页 |
致谢 | 第116页 |