| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 研究现状以及发展方向 | 第12-14页 |
| 1.2.2 神经网络在电阻率反演成像中的应用 | 第14-15页 |
| 1.3 课题研究意义 | 第15-16页 |
| 1.4 论文的主要内容与结构安排 | 第16-18页 |
| 第二章 电法勘探中常用的反演方法分析 | 第18-28页 |
| 2.1 电阻率成像技术 | 第18-22页 |
| 2.1.1 稳定电流场的建立 | 第18-19页 |
| 2.1.2 电阻率法的现场数据采集 | 第19-20页 |
| 2.1.3 电阻率成像的视电阻率求解 | 第20-22页 |
| 2.2 物探反演的原理与过程 | 第22-24页 |
| 2.2.1 反演的基本原理 | 第22-23页 |
| 2.2.2 反演模型的求解 | 第23-24页 |
| 2.3 电法勘探中常用的反演方法分析 | 第24-26页 |
| 2.3.1 平滑约束最小二乘法 | 第25页 |
| 2.3.2 块反演法 | 第25-26页 |
| 2.3.3 正则化反演方法 | 第26页 |
| 2.4 本章小结 | 第26-28页 |
| 第三章 BP神经网络及电法勘探反演训练样本的建立 | 第28-42页 |
| 3.1 BP神经网络的原理与特点 | 第28-32页 |
| 3.1.1 人工神经网络及其分类 | 第28-29页 |
| 3.1.2 BP神经网络的基本原理 | 第29-31页 |
| 3.1.3 BP神经网络的优缺点 | 第31-32页 |
| 3.2 电阻率成像的正演方法研究 | 第32-35页 |
| 3.2.1 电阻率成像的正演理论 | 第32-33页 |
| 3.2.2 正演中的常用数值模拟方法 | 第33-35页 |
| 3.3 基于BP神经网络电法勘探反演的训练样本建立 | 第35-41页 |
| 3.3.1 BP神经网络反演算法的训练样本的要求 | 第35页 |
| 3.3.2 基于有限单元法的正演问题求解 | 第35-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于BP神经网络的电法勘探反演成像 | 第42-53页 |
| 4.1 BP神经网络的建模 | 第42-45页 |
| 4.1.1 电法勘探反演的BP神经网络模型 | 第42-43页 |
| 4.1.2 训练样本的选择与划分 | 第43-45页 |
| 4.2 BP神经网络的学习算法 | 第45-49页 |
| 4.2.1 BP神经网络的学习过程 | 第45页 |
| 4.2.2 BP神经网络的学习方法与改进 | 第45-49页 |
| 4.3 电法勘探的BP反演过程 | 第49-51页 |
| 4.4 电阻率成像方法 | 第51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 算法应用 | 第53-62页 |
| 5.1 应用软件界面 | 第53-54页 |
| 5.2 工程实例分析 | 第54-61页 |
| 5.2.1 原始数据 | 第54-55页 |
| 5.2.2 一维反演模型 | 第55-56页 |
| 5.2.3 二维反演模型 | 第56-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 总结 | 第62-63页 |
| 6.2 展望 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 附录A | 第68页 |