| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 前言 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 研究现状及前景分析 | 第9-12页 |
| 1.2.1 统计性地震子波提取的研究现状 | 第9-11页 |
| 1.2.2 粒子群算法的研究现状 | 第11-12页 |
| 1.2.3 智能算法在子波提取中的应用现状 | 第12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 第2章 模型化地震子波提取方法介绍 | 第14-21页 |
| 2.1 地震褶积模型 | 第14页 |
| 2.2 ARMA 子波提取模型 | 第14-15页 |
| 2.3 线性法与非线性法结合的模型参数估计方法 | 第15-17页 |
| 2.4 基于粒子群算法的模型参数估计 | 第17-20页 |
| 2.4.1 粒子群算法简介 | 第17-18页 |
| 2.4.2 基于粒子群算法的模型参数估计流程 | 第18-20页 |
| 2.5 本章小结 | 第20-21页 |
| 第3章 自适应混沌嵌入式粒子群算法 | 第21-36页 |
| 3.1 粒子群算法的优缺点分析及改进方法研究 | 第21-23页 |
| 3.1.1 粒子群算法的优缺点分析 | 第21-22页 |
| 3.1.2 粒子群算法的改进方法研究 | 第22-23页 |
| 3.2 自适应混沌嵌入式粒子群算法原理及流程 | 第23-27页 |
| 3.2.1 自适应混沌嵌入式粒子群算法原理 | 第23-26页 |
| 3.2.2 自适应混沌嵌入式粒子群算法流程 | 第26-27页 |
| 3.3 算法性能分析 | 第27-35页 |
| 3.3.1 ACEPSO 算法时间复杂度分析 | 第28-29页 |
| 3.3.2 标准测试函数特征 | 第29-31页 |
| 3.3.3 固定最大迭代次数寻优性能分析 | 第31-34页 |
| 3.3.4 鲁棒性及执行效率分析 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 自适应混沌嵌入式粒子群算法在子波提取中的应用 | 第36-49页 |
| 4.1 地震子波提取流程 | 第36-37页 |
| 4.2 ACEPSO 应用于合成地震记录处理 | 第37-42页 |
| 4.2.1 合成地震记录 | 第37-38页 |
| 4.2.2 影响子波提取效果的因素及提取效果优劣的判别方式 | 第38-39页 |
| 4.2.3 仿真分析 | 第39-42页 |
| 4.3 ACEPSO 应用于实际地震记录处理 | 第42-44页 |
| 4.4 三种优化算法应用于子波提取的效果分析 | 第44-48页 |
| 4.4.1 处理合成地震记录的效果分析 | 第44-46页 |
| 4.4.2 处理实际地震记录的效果分析 | 第46-48页 |
| 4.5 本章小结 | 第48-49页 |
| 总结与展望 | 第49-50页 |
| 参考文献 | 第50-54页 |
| 攻读硕士学位期间取得的学术成果 | 第54-55页 |
| 致谢 | 第55页 |