重力梯度张量的拟BP神经网络反演
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-13页 |
| ·选题依据 | 第9页 |
| ·重力梯度张量的研究现状 | 第9-11页 |
| ·神经网络技术的发展现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 第二章 重力张量的正演理论基础 | 第13-19页 |
| ·重力梯度张量 | 第13-14页 |
| ·长方体正演解析公式 | 第14-16页 |
| ·快速正演算法 | 第16-19页 |
| 第三章 重力梯度张量的拟BP神经网络反演 | 第19-29页 |
| ·反演理论基础 | 第19-22页 |
| ·反演的定义 | 第19-20页 |
| ·反演方法 | 第20-22页 |
| ·人工神经网络的理论基础 | 第22-24页 |
| ·BP神经网络的原理 | 第22-23页 |
| ·BP神经网络的不足 | 第23-24页 |
| ·拟BP神经网络反演的实现 | 第24-28页 |
| ·重力梯度张量单分量反演 | 第24-27页 |
| ·重力梯度张量全张量反演 | 第27-28页 |
| ·拟BP神经网络算法流程 | 第28-29页 |
| 第四章 重力张量拟BP神经网络系统实现及模型试验 | 第29-35页 |
| ·系统设计的基本思想 | 第29页 |
| ·系统设计及其功能 | 第29-30页 |
| ·模型试算 | 第30-34页 |
| ·总结 | 第34-35页 |
| 第五章 重力张量全张量反演效果分析 | 第35-43页 |
| ·典型模型反演 | 第35-37页 |
| ·长方体模型 | 第35-36页 |
| ·板状体模型 | 第36-37页 |
| ·噪声对反演结果的影响 | 第37-38页 |
| ·数据中含5%随机噪声 | 第37页 |
| ·数据中含10%随机噪声 | 第37-38页 |
| ·初始模型对反演结果的影响 | 第38-42页 |
| ·初始模型物性参数的影响 | 第38-39页 |
| ·初始模型形态的影响 | 第39-42页 |
| ·初始模型对噪声数据的影响 | 第42页 |
| ·总结 | 第42-43页 |
| 第六章 结论与建议 | 第43-45页 |
| ·结论 | 第43-44页 |
| ·建议 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 攻读硕士期间主要的研究成果 | 第50页 |
