一、Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm（论文文献综述）
许冉冉[1]（2021）在《断层参数反演的神经网络算法研究》文中研究表明大地测量反演是利用大地测量观测技术,通过非线性反演算法,研究地球表面及其内部变化规律及特征,推动解释地球内部能量过程的一门边缘学科。大地测量反演包括很多方面,而地震断层参数反演是其重要一部分,也是本文研究的重点。利用大地测量反演算法反演地震断层参数,有利于分析、构造、重现地震断层参数,进一步研究地震发震机制、破坏程度等。大地测量反演方法根据是否利用导数信息分为两类:线性化算法和非线性算法,由于线性化算法求导过程复杂,因此常用非线性算法反演地震断层参数。非线性算法有基因遗传算法（GA,genetic algorithm）、模拟退火算法（SA,simulated annealing）、神经网络算法（NNA,neural network algorithm）等,本文重点介绍NNA在地震断层参数反演中的应用情况。为获取更准确的断层参数反演结果,本文对断层参数反演的NNA进行相应研究。本文的主要研究内容及工作如下:1)研究了NNA反演断层参数的理论优势及不足之处。分析了NNA反演断层参数时采用全球定位系统（GPS）数据能够获得较为可靠的参数解,但其针对不同的地震断层类型具有较窄的适用性,为提高断层参数反演精度,本文针对NNA进行分析及改进。考虑到NNA的特殊构造,其内部由单层连接权构成,单层权值在信息传输中无法完整传输信息,故本文考虑在此基础上多加一层权值,构成双层神经网络使其在内部信息传输过程中更加完整。Nelder-Mead单纯形算法（NM,Nelder-Mead）具有较强的局部搜索能力,但其对初始解的依赖性较强,而NNA中每次生成的目标解是一个较优的参数解,因此,考虑利用NM优化NNA中的目标解作为NNA的第二层权值,从而优化NNA。且顾虑到起始点在优化算法中具有重要作用,本文采用起始点策略生成更为接近实际情况的初始起始点,从而益于算法更快找到最优参数解。通过模拟不同GPS监测点及不同断层类型实验验证本文提出的Nelder-Mead神经网络算法（NM-NNA,Nelder-Mead neural network algorithm）相比于已有的研究算法具有更强的适用性,反演结果更稳定,反演精度更高,计算效率更快;通过博德鲁姆-科斯（Bodrum–Kos）地震进一步验证多起点Nelder-Mead神经网络算法（multi NM-NNA,multistart Nelder-Mead neural network algorithm）的精度优势。2)通过研究GA、NM和NNA算法,发现GA的遗传特性主要来源于选择交叉操作,且该遗传特性能够保留较优秀的基因不易丢失,由于之前的研究已经利用NM优化了NNA的局部搜索能力,因此,此处本文考虑利用GA的选择交叉操作优化NM-NNA保留较优解的能力,使得算法不易丢失最优参数解。为验证本文所提遗传单纯形神经网络算法（G-NM-NNA,genetic Nelder-Mead neural network algorithm）的合理性,本文共设计了三种组合方案,一是遗传神经网络算法（GNNA,genetic neural network algorithm）;二是遗传单纯形算法（G-NMA,genetic Nelder-Mead algorithm）;三是遗传单纯形神经网络算法（G-NM-NNA,genetic Nelder-Mead neural network algorithm）。通过模拟实验对比了GA、NNA和三种改进算法,实验结果表明GNNA和GNMA的稳定性均较差,反观GNMNNA,其反演稳定性均优于其它算法（GA、NNA、GNNA和GNMA）,GNMNNA具有较高精度的参数解及较强的稳定性。且通过Bodrum–Kos地震和Monte Cristo Range地震共同测试GNMNNA的反演精度,实验结果表明GNMNNA所得标准差较小,精度较高。3)研究了非线性反演算法的精度评价方法,发现当前非线性反演算法精度评定策略均相似,均通过某种采样策略求解参数偏差和标准差,根据参数偏差、标准差评判算法精度高底。但单独对比参数偏差或标准差不够全面,存在一定的问题。由于偏差的计算方式是由估值与均值之差得到,导致偏差计算的结果不能总是反映参数的精度高底,因为均值是一个笼统的概念,参数估值中相近的一组结果和差距较大的一组参数所得均值可能相同,这就会造成精度评定失衡的现象。且单独考虑参数标准差也具有一定的片面性,不同算法的参数标准差参差不齐,所以无法得出哪种算法的精度更高。因此,本文通过合理考虑参数偏差和标准差信息,提出了一种兼顾二者信息的无量纲精度评价方法。通过火山复式位错模型（CDM,compound dislocation model）和地震Okada模型共同验证所提方法的有效性。根据模拟实验得出所提方法不仅适用于地震Okada模型,同样适用于火山CDM模型,且评价结果一致,G-NM-NNA的精度高于NM-NNA。通过芦山地震可以得出G-NM-NNA的精度高于NM-NNA,进一步验证了模拟实验的正确性。
曹建富[2]（2021）在《浅层并行电法探测全场电位值反演研究》文中进行了进一步梳理并行电法探测技术是一种以地质异常体与其周围稳定介质间的电性差异为基础进行探测的地球物理勘探方法。并行电法是一次供电采集测线全场电位的方法,但目前在对并行电法数据的处理过程中,大量数据没有使用。本文通过理论分析、物理模拟和工程应用对并行电法全场电位值反演进行研究,得到了以下认识:并行电法有两种数据采集方式:ABM法和AM法。ABM法供电次数多,全场电位数据量太大,不适宜于全场电位值反演;AM法适宜于全场电位值反演。AM法数据供电点左侧电位值不太稳定,通常均采用右侧数据进行处理。二极法是全场电位值反演,但二极反演对现场数据采集N极要求很严格,实际应用中N极不符合二极反演要求条件,无法采用此种方法;温纳三极数据应用效果好,是高密度电法常用的方法;邻源三极采用全场电位值,有效克服了远离供电极电位数据信噪比较低的弊端,提高了数据信噪比,数据量适中,适宜于全电场电位反演;全场三极法是一种多电极距的三极处理方法,提取供电点右侧任意二极电位数据,数据量远大于温纳三极。物理模拟实验表明,温纳三极法、邻源三极法、全场三极法均可以较好的反映测线剖面中的目标体位置,温纳三极法与全场三极法结果总体相当,全场三极法反映的电性变化最为精细。三维电法反演表明,采用温纳三极法、邻源三极法、全场三极法均可以较好的反映三维空间中的目标体位置,邻源三极法反演结果对浅层层状地层的分辨率较高,温纳三极法和全场三极法对目标体的位置反映较为准确。工程应用表明,二维反演采用全场三极视电阻率,三维反演采用温纳三极视电阻率,能够更客观地反映相对低阻区的分布空间,更好地解释相对富水区,指导工作面水害防治工作。图[35]表[7]参[89]
李久辉[3]（2021）在《地下水LNAPLs污染溯源辨析》文中指出石油及石油类产品往往会由于处理不当或突发事故等原因,泄漏并进入到含水层中,对地下水造成污染。与地表水污染不同,地下水污染埋藏于地表面以下,存在并运移于岩土的空隙介质之中,具有存在的隐蔽性和发现的滞后性等特点,因此即使发生了污染,通常也难以被及时发现,导致人们对于含水层中的污染源信息缺乏了解和掌握。这给地下水污染肇事者责任认定、污染风险评价、污染物质运移预测和污染修复方案设计都带来了很大的困难。因此,开展关于地下水污染溯源辨析的研究至关重要。地下水污染溯源辨析是指在资料收集、野外现场调查和定性分析等辅助工作的基础上,利用有限的现场实测监测数据（水位和浓度）,对刻画地下水污染的数值模拟模型进行反向求解,从而确定含水层中污染源的信息,包括污染源的个数、空间位置与释放历史等。地下水污染溯源辨析属于数理方程反问题,常常具有不适定性与非线性的特点。目前,地下水污染溯源辨析仍处于发展阶段,有关地下水轻非水相流体（Light non-aqueous phase liquids,LNAPLs）污染的溯源辨析研究更是鲜有报道。LNAPLs大多具有低水溶性、高毒性、比重小于水、容易挥发扩散、易被微生物降解的特点。进入地下水后会对用水安全及生态环境造成危害。因此,制定合理高效的LNAPLs污染修复方案对LNAPLs污染进行修复显得格外重要。然而,辨析和掌握含水层中LNAPLs污染源的信息是制定污染修复方案的重要前提。因此,进行地下水LNAPLs污染溯源辨析研究具有重要的理论意义和实际应用前景。本文采用理论分析与实际例子相结合的研究方式,通过模拟-优化方法、最优互补降噪方法、人工智能集对替代模型、自适应混合灰狼优化算法、蒙特卡洛方法等多种理论与方法的综合运用,对地下水LNAPLs溯源辨析研究前沿中仍待解决的科学问题开展深入研究,拓展和丰富地下水污染溯源辨析的理论、方法和技术内涵。首先,在进行资料收集、野外现场调查和定性分析等辅助工作的基础上,根据研究区的具体条件,对研究区的地质及水文地质条件进行概化处理,建立研究区的概念模型。充分利用前期工作成果,对待求的含水层参数和污染源信息赋予初估值,初步建立刻画污染物质运移的地下水LNAPLs污染多相流数值模拟模型。之后,为了改进对动态监测数据降噪处理的效果,本文基于经验模态分解方法、集合经验模态分解方法和互补集合经验模态分解方法,构建了最优互补降噪方法,再将其应用于假想例子动态监测数据的降噪试验,对其适用性和有效性进行分析后,将其应用于实际例子动态监测数据的降噪处理,为后续研究奠定坚实基础。然后,采用敏感性分析方法,筛选出对多相流数值模拟模型输出结果影响较大的模拟模型参数。将筛选出的模拟模型参数和地下水污染源信息都作为待求变量,并运用拉丁超立方抽样方法在其取值范围内进行抽样。把抽样得到的样本依次输入到多相流数值模拟模型并进行正演计算,以获得训练样本与检验样本。运用训练样本与检验样本分别对长短期记忆神经网络替代模型和深度信念神经网络替代模型进行训练与检验。通过调整神经网络结构的深度、超参数、权值和偏置,提高替代模型对具有复杂非线性映射关系模拟模型的逼近精度。为了使长短期记忆神经网络替代模型和深度信念神经网络替代模型发挥自身优势,基于上述两者建立了人工智能集对替代模型。将人工智能集对替代模型与基于其他单一方法的替代模型进行对比,分析人工智能集对替代模型的精度和适用性。最后,建立非线性规划优化模型,并将人工智能集对替代模型作为等式约束条件嵌入到优化模型中。探索非线性规划优化模型的有效解法,在传统灰狼优化算法中引入莱维飞行随机游走策略、Metropolis接受准则和自适应权重策略对其进行改进,构建了自适应混合灰狼优化算法。应用自适应混合灰狼优化算法求解优化模型,获得模拟模型参数和污染源信息的辨析结果。同时对自适应混合灰狼优化算法的适用性进行分析。另外,在获得模拟模型参数辨析结果的基础上,对模拟模型参数取值给予随机扰动,通过蒙特卡洛方法和模拟-优化方法综合运用,分析模拟模型参数的随机变化对地下水LNAPLs污染源辨析结果的不确定性影响。得到污染源位置和污染物质泄漏量的数字特征、概率分布和不同置信水平下污染源信息的置信区间,为决策者提供更加丰富的参考依据。基于以上的研究内容,得出了以下几条主要结论:（1）为了改进对动态监测数据降噪处理的效果,基于经验模态分解方法、集合经验模态分解方法和互补集合经验模态分解方法构建了最优互补降噪方法。最优互补降噪方法的降噪效果,优于三种单一方法的降噪效果,更适用于地下水动态监测数据的降噪处理。（2）长短期记忆神经网络替代模型和深度信念神经网络替代模型对多相流模拟模型的逼近精度,均高于极限学习机替代模型和克里格替代模型。基于长短期记忆神经网络替代模型和深度信念神经网络替代模型,建立了人工智能集对替代模型。人工智能集对替代模型对多相流模拟模型的逼近精度,优于其他四种单一的替代模型。人工智能集对替代模型对于变量种类多、具有复杂非线性映射关系的多相流数值模拟模型拟合能力更好。（3）探索非线性规划优化模型的有效解法。将莱维飞行随机游走策略、Metropolis接受准则和自适应权重策略引用于传统灰狼优化算法中,能够使传统灰狼优化算法得以改进。基于莱维飞行和Metropolis接受准则的自适应混合灰狼优化算法能够在不陷入局部最优解的前提下,快速搜索到全局最优解,提高地下水LNAPLs污染溯源辨析结果的精度。（4）基于模拟-优化方法进行地下水LNAPLs污染溯源辨析只能得到唯一的辨析结果。为了分析模拟模型参数的随机变化对污染源辨析结果的不确定性影响。将蒙特卡洛方法与模拟-优化方法结合运用,对地下水LNAPLs污染溯源辨析结果进行不确定性分析,能够获得污染源信息辨析结果的数字特征、概率分布及其在不同置信水平下污染源信息的置信区间。从而为决策者提供更加丰富的参考依据。
何琦敏[4]（2021）在《地基GNSS水汽反演及其在极端天气中的应用研究》文中认为全球导航卫星系统（Global Navigation Satellite Systems,GNSS）作为一项颠覆性的导航技术,在诸多重要领域（例如,测绘、气象、交通、环境和农业等）都得到了广泛的应用。GNSS作为一种新型的水汽探测手段,具有重要的研究前景和应用潜力。它克服了传统气象观测水汽的诸多缺点（成本高、时间分辨率低、仪器偏差与漂移影响较大、易受天气影响等）,能够实时反映大气环境的变化规律,全天候地获取全球大气水汽信息。然而,GNSS气象学作为一项快速发展的学科,在多尺度的天气灾害事件监测与预报模型的应用研究还很有限。本文以利用地基GNSS水汽反演技术监测极端天气的相关理论与应用为研究目标,对大气改正模型进行深入探讨,优化了GNSS水汽反演中的关键参数,对不同数据处理和观测模式的GNSS水汽产品进行了精度评估。首先建立了高精度的GNSS水汽监测系统,进而开展了极端天气下的水汽、温度、气压、风速和降雨量等多气象参数的研究,挖掘了水汽变化过程中的极端天气短临预警信号。本文的主要研究内容如下:（1）研究了5种主流的大气温度与气压经验模型在中国区域的精度分布情况以及它们的年、半年和日变化项的特征,为相应的模型选择以及优化提供理论参考。（2）针对气象数据的低时空分辨率问题,考虑了温度和气压的时空相关性,提出了一种基于IAGA（Improved Adaptive Genetic Algorithm,IAGA）改进的时空克里金（Kriging）模型（IAGA-Kriging）,解决了气象数据的时空不连续性问题,实验结果表明其精度优于传统的时空插值模型。（3）研究了多种基于地表气象参数建立的Tm回归模型在中国区域的精度,充分考虑了Tm的非线性特征,采用人工神经网络（Artificial Neural Network,ANN）和支持向量回归（Support Vector Regression,SVR）模型,对相应模型进行了进一步优化。结果表明,通过组合ANN或SVR模型,能够有效减小线性Tm模型的系统偏差。（4）建立了基于BNC+Bernese组合的GNSS水汽监测系统,并对该系统在不同观测和处理模式下输出的水汽精度进行了评估。结果表明,双差法反演的PWV（DD-PWV）对卫星星历的精度依赖性较小,即使在台风天气中,实时和事后的DD-PWV精度无明显差异。当使用精密单点定位法（PPP）反演PWV（PPP-PWV）时,实时的PPP-PWV精度低于事后精度。（5）以2018年香港超级台风“山竹”为例,研究了台风登陆前后,气温、气压、风速、降雨量和PWV的变化特征。提出了一种利用高时间分辨率的水汽产品监测台风的新方法,建立了台风移动的理论几何模型,使用该方法分别计算了5种不同等级的热带气旋移动速度,与气象部门发布的结果基本一致。本文为GNSS气象学进一步的发展提供了有价值的理论基础与应用参考,拓展了GNSS技术在热带气旋中的应用。该论文有图51幅,表33个,参考文献198篇。
付松琳[5]（2021）在《星载气溶胶激光雷达的模拟仿真和反演算法应用研究》文中指出气溶胶是大气污染物的主要组成部分,是城市光化学烟雾的重要来源。气溶胶通过直接和间接效应影响地球-大气之间的辐射收支平衡。星载激光雷达具有时空分辨率高、日夜兼用和探测区域宽广等优点,已成为有效获取广域和全球范围气溶胶和云光学特性时空分布的重要技术手段。当前获取大区域范围的气溶胶垂直廓线信息采用的是美国NASA发射的CALIOP提供的数据产品,为了可以得到更为全面的气溶胶垂直观测数据与近地面雾霾信息,需要研制星载激光雷达对我国区域范围内的污染的环境情况进行监测,获取中国区域的污染信息的精准时空分布,并对区域内污染物浓度进行辨识量化。本文研究工作主要包括两方面,一方面依据星载激光雷达探测需求,研制星载激光雷达缩比样机,并由此开展星载激光雷达的性能模拟仿真研究;另一方面针对星载激光雷达测量信号特征,开展边界层内气溶胶光学特征和质量浓度定量反演算法研究。在星载气溶胶激光雷达性能模拟仿真研究方面。依据星载激光雷达探测要求,研制缩比样机系统。该系统采用与星载激光雷达一致的光子计数激光雷达探测体制,通过光机优化设计和结构模态分析,确保出射激光和接收光学间的高精度对准和保持,有效解决白天背景光干扰,实现10km高度范围大气气溶胶的昼夜观测能力。同时依据该缩比样机实际测量数据,通过构建星载激光雷达测量有效信号、背景信号和信噪比模拟仿真,重点评估星载激光雷达在洁净、灰霾和有云三种典型天气条件下的探测能力和垂直廓线数据质量,并由此给出星载激光雷达后续研制建议。在星载气溶胶激光雷达数据反演算法研究方面。首先,对Collis斜率法、Klett方法和Fernald方法对米散射激光雷达反演算法进行比较分析,并重点给出Fernald反演算法的不确定度分析。其次,根据激光雷达信号特征采用自适应阈值函数去噪算法,通过调整阈值函数实现去噪的同时最大限度地保留有用信号,显着提高激光雷达测量信号的信噪比。同时提出一种分段反演云下气溶胶优化算法,利用微分零交叉法识别云顶高度和云底高度,通过迭代反演合理选择云激光雷达比,实现云下气溶胶光学特性垂直廓线的精确反演。最后,通过将获取的光学特性与气象要素和实测的颗粒物浓度建立回归预测模型,实现对颗粒物浓度的辨识研究。采用逐步判别法对特征值进行筛选并运用线性回归、BP神经网络和GA-BP神经网络构建辨识回归模型,实现颗粒物浓度的评分预测。通过逐步判别方法选用6个特征变量组成特征集,此时R2最高且RMSE值最小,分别为0.98和0.19。通过回归模型发现,GA-BP的预测误差范围比BP的预测误差范围小,预测效果优于BP方法。其回归模型的训练集相关指数R2=0.904,测试集的相关指数R2=0.899,平均预测误差为7.122μg/m3,说明激光雷达可以有效地监测颗粒物的分布。证明了激光雷达可以作为一种有效的和灵活的仪器收集颗粒物浓度数据的可行性,特别是监测PM2.5浓度在大气中的空间分布。综上所述,星载气溶胶激光雷达缩比样机可以满足观测需求,该激光雷达的星载模拟信号云层和污染层的层结构明显。星载气溶胶激光雷达在轨后获取的数据产品可以联合气象要素数据对颗粒物浓度进行表征,实现定性遥感到定量遥感的转换。
叶凯萱[6]（2021）在《EAST托卡马克上边界和台基结构的实验研究》文中指出为了获得高的聚变功率,未来聚变装置（例如ITER以及CFETR装置）的高参数稳态运行等离子体将主要在伴随有边界局域模（ELM）的高约束模（H模）下运行。H模的一个典型特征是等离子体边界自发形成一个具有台基（pedestal）结构的输运垒。这种边界的台基结构对于聚变等离子体具有重要意义:一是离子径向输运水平被减小到新经典预测水平,使得等离子体约束性能大大改善;二是,实验上发现台基温度决定了芯部温度,进而很强地影响到整体能量约束和聚变产额;其次,实验上发现ELM行为与台基参数紧密相关。因此,对于边界和台基结构的准确测量和实验研究将有助于加深对台基形成机制的物理理解,更能为未来聚变反应堆的稳态运行提供优化方案。本论文是基于微波反射仪对边界和台基结构开展的一系列工作,主要包括以下三个部分:（1）本论文的前期工作是参与EAST上30-110 GHz的Q、V、W波段X模快扫频微波反射仪和20-40 GHz的O模涨落反射仪的搭建和升级改造工作。对于快扫频微波反射仪系统的改造升级,我们通过基于频率选择表面（FSS）的光学复用系统将三套子系统的入射微波耦合到同一条传输线进行发射和反射微波的解耦接收,这项工作是对于未来聚变堆上先进微波诊断的预研工作。结果表明基于光学复用系统的快扫频微波反射仪可以极大的减少中平面窗口的占用面积,同时获得较高时刻分辨的电子密度剖面。对于EAST上涨落相关反射的升级,我们在2018年发展一套新的采用O模极化的多道密度涨落相关反射仪,可以同时测量位于EAST边界台基区内4×2个（径向×极向）位置的电子密度涨落。快扫频微波反射仪和O模密度涨落反射仪的诊断结合将为边界和台基湍流和结构特征提供更多有效的信息。（2）本论文的算法工作包括三个部分:利用快扫频微波反射仪测得的拍频信号（或说是飞行时间,τF信号）对等离子体湍流的高敏感性的特点,发展一种基于快扫频微波反射仪来研究湍流行为时空演化的TOF算法。相比通过反演密度分布来研究密度涨落行为,基于反射仪拍频信号的TOF算法具有更加直观、准确的优点。这使得快扫频微波反射仪将提供一种额外的、可同时测量边界到芯部整个密度分布下的密度涨落行为的诊断手段。针对快扫频微波反射仪反演得到的密度分布会被背景湍流影响,导致其在径向上可能出现较大误差（即异常点）,进而导致最小二乘法失效的弱点。提出了一种基于随机抽样一致思路来实现对密度分布（自动）优化拟合的改进RANSAC算法。另外,在改进RANSAC算法的基础上,进一步提出了结合遗传算法来加快迭代的GA-RANSAC算法。模拟和实验分布的拟合结果表明,相比传统的最小二乘法RANSAC和GA-RANSAC算法能够规避到异常点影响,实现对密度分布参数更加鲁棒、准确的估计。相比改进RANSAC算法的完全随机搜索策略,GA-RANSAC算法的自适应地全局搜索策略大大加快算法寻优速度,并且可以获得一系列稳定收敛的优化解。（3）本论文的物理研究主要是利用O模多道密度涨落反射仪发现一种与L-H转换相关的先兆环向对称磁振荡（AMO）现象,其特征频率范围在4-10 kHz。TOF算法表明AMO的出现位置位于L模边界梯度区。统计分析表明AMO的出现条件是当加热功率接近L-H转换阈值功率的时候。并且AMO可以在多个诊断系统中观察到,如微波反射仪,米尔诺夫线圈,偏滤器探针,测辐射热计,软x射线阵列以及Dα谱仪等。AMO的磁涨落结构为环向对称（n=0）,极向为m=2的驻波结构。A1MO的密度涨落成分在径向近乎同相,即AMO径向不传播。进一步的实验结果表明AMO对密度/磁背景涨落存在明显的幅度调制作用,进而导致边界密度/密度梯度以及偏滤器靶板粒子流被AMO所调制。另外,双谱分析表明AMO与背景湍流存明显的非线性相互作用,而且与其他三个相干频点（～4,～11,～15）kHz也存在非线性相互作用,其中4 kHz模式的产生机制与能量传递方向目前尚不清楚。AMO的频率定标为fm∝（▽ne/Ip2）-1,结果表明AMO的频率改变可能与极向剪切流有关。然而,由于缺少径向电场Er的测量,湍流强度与E×B的相位关系目前尚不清楚,这需要进一步的研究。推测这种AMO现象的本质不是GAM,而是EAST上新发现的极限环振荡（LCO）行为。
阳前果[7]（2021）在《基于深度学习的重磁数据处理研究》文中进行了进一步梳理重磁方法是了解地下密度、磁化率分布的重要手段,在矿产、石油、环境以及工程勘探等领域有着广泛应用。随着重磁勘探技术的完善,开发和改进位场数据处理方法和技术势在必行,其中人工智能领域内的深度学习无疑是这方面的佼佼者。近年来,深度学习理论方法和配套软件硬件发展尤为迅速,使国际上许多领域的研究获得突破。这成功引领了一股使用深度学习作为新突破点的潮流,地球物理领域也不例外,虽然起步较晚,但新成果与新突破却如泉涌般连绵不绝,使得对深度学习的研究已经发展成一大热点。重磁数据的处理往往需要研究人员丰富经验和高强度重复性作业,将深度学习引入重磁勘探领域,不仅可以在已成熟领域缓减工作人员的作业压力,还能在传统尚未突破的领域做出新的优化改进,使得重磁勘探往更复杂区域进发的目标迈出新的步伐。本文主要使用深度学习方法,对重磁数据进行了去噪和反演研究,主要取得了如下研究成果:1)传统的去噪方法通常基于噪声水平的估计,需要人工选取参数和调参。实际数据中噪音往往分布不均匀,很难精确估计噪声的水平,因此传统去噪方法难以有效压制噪音。针对以上问题,本文将深度学习中的Dn CNN网络应用于重磁数据去噪,实现了自适应的噪音压制。与传统的小波去噪方法相比,深度学习方法能更加彻底的去除噪声,且保留更多有效信号的细节信息。最后,我们使用合成数据和实际数据对该网络进行了测试,验证了方法的有效性。2)目前位场物性反演方法可以分为线性和非线性反演方法两大类,线性反演方法主要面临对初始模型敏感、容易陷入局部最优解、需要计算复杂的灵敏度矩阵、方程组病态以及解的稳定性差等问题;非线性反演主要问题是,反演数据量较大时,存在超常规的计算量、存储量及收敛速度问题,尤其是三维物性反演,非线性反演很难奏效。针对以上问题,本文提出了基于深度学习的非线性反演方法,该方法能够避开复杂的正演计算,具有容错能力强、处理高度非线性问题和强大的并行运算的特点,非常适合地球物理中难以用明确函数描述的非线性问题求解。本文使用的深度学习反演网络主要基于U-Net研发,为了验证深度学习反演效果,设计了不同地质模型,模型主要由棱柱体和倾斜板状体构成,且每个异常体的大小、埋深、位置、物性参数均不相同。根据反演结果画出了地质体物性分布的三维效果图和剖面图,以验证深度学习方法用于位场反演的可行性。最后,通过加噪实验,说明该网络具有一定的抗噪能力。
何柯[8]（2021）在《基于高精度近场效应误差修正的高效优化算法研究》文中研究指明为了实现半实物射频仿真系统中近场效应误差更高效与更高精度的修正,获得三元组单元馈电的精确控制参数。本文系统的分析了已建立的修正流程和相关原理,针对现行方案存在的优化精度有限且计算效率低的问题提出对应的改进思路,从高精度智能反演算法和高效电磁正演建模两方面对修正方案进行了系统的优化设计和验证考察。对于修正方案中初始幅、相参数提取所涉及的反向优化算法,结合坡印廷矢量公式分别研究了基于PSO算法和PSO-GA混合优化算法的新型目标点优化方案,并系统考察了所提出方案的可行性。对比分析了不同优化策略的反演性能,结果证明基于PSO-GA混合方法的目标点优化方案具有优于现行方案的优化效率及精度,可以替代GA算法为后续的筛选择优和误差精确修正提供理想的初始馈电参数。对于三元组初始幅、相筛选步骤中正演数值建模效率低的问题,我们将机器学习思想与电磁数值建模相结合,提出建立多元矢量合成的神经网络模型用以实现三元组辐射中心的快速正演建模。本文分别构建并训练了用于三元组模型的基于不同风险类型的BP网络和SVM网络,并采用GA算法、K-CV交叉验证、以及PSO算法对上述网络参数和架构进行了进一步优化。通过仿真验证基于GA-BP网络和基于PSO-SVM网络的多元矢量快速正演模型基本满足项目需求,能够在精度达到10-6标准下实现对初始馈电幅、相参数的筛选。最后,基于上述优化思路,本文综合出一套新的近场效应误差修正优化设计方案,通过仿真实验对修正流程中初始馈电参数的优化结果和后续误差精确修正的结果进行了测试分析,证明了本文提出的新型优化修正方案能够实现近场效应误差的高精度、高效修正。
亢文波[9]（2021）在《基于实时监测数据的斜拉桥拉索受力状态反演模拟》文中认为斜拉桥中拉索索力对于整桥结构安全影响较大,但拉索数量多,在每根拉索上安装传感器进行监测的代价高,不经济不适用。此外,利用健康监测系统得到的数据并不能直接得到桥梁结构的安全状态,须结合基准的有限元模型来对桥梁受力状态进行评估分析。本文基于BP神经网络,结合斜拉桥有限元基准模型,构建拉索索力反演模型和参数反演模型,通过9组实时监测的拉索索力值,反演未布置传感器的拉索索力值和拉索弹性模量、主梁混凝土弹性模量2个参数,并通过拉索的原始索力值进行了验证。具体研究成果如下:（1）恒载下,75根未布设传感器拉索索力计算值与实测值比值的求和值与21根布设传感器的拉索索力计算值与实测值比值的求和值的比例近似为0.28;相对于75根未布设传感器的拉索索力计算值和实测值比值的求和值,每根拉索的索力计算值与实测值比值所占其比重都近似为0.013。（2）选取9组实测21根拉索索力值,采用优化后拉索索力反演模型,反演了75根拉索的索力值。基于成桥索力值,对比21根拉索实测索力值及75根拉索索力反演值变化率平均值,两者差值最大为0.05%,反演结果较精确。（3）采用BP神经网络算法反演后的6月16日和9月19日未布设传感器的斜拉索索力值,与传统方法下索力反推值相比,两者在12LS1、12RS1处误差较大,误差在2%左右;剩余74根拉索索力值误差均在1%左右,说明此算法可用于未布设传感器的斜拉索索力值的反演。（4）相对于温度、环境整体湿度的变化对斜拉索的索力影响,斜拉索弹性模量和主梁混凝土弹性模量变化±5%对斜拉索的索力影响更大,利用优化后的参数反演模型,反演了斜拉索弹性模量和主梁混凝土弹性模量。依据建立的修正系数,构建新的弹性模量X与变化后的弹性模量Y之间的表达式,得到了斜拉索弹性模量、主梁混凝土弹性模量的验证值即修正值,与参数反演值相比,斜拉索弹性模量误差值最大为11.63%,主梁混凝土弹性模量误差值最大为3.29%,说明构建的参数反演模型须进一步改善。（5）利用修正后的斜拉索弹性模量和主梁混凝土弹性模量计算斜拉索索力值,并依据斜拉索索力预测公式,预测了斜拉索的索力值,与索力原始值相比,误差降低最大为1.30%,其余斜拉索索力误差值均在1%以下,说明反演参数修正后可用于斜拉桥的安全运营状态评估。
李明星[10]（2020）在《基于CNN的地-孔TEM异常提取及PSO-DLS反演方法研究》文中认为我国煤矿生产逐步进入深部开采阶段,水害威胁更加严重,而地面瞬变电磁探测精度不足的问题也日渐显现。论文选题开展了地面-钻孔（简称地-孔）瞬变电磁探测技术研究,旨在提高煤矿水害隐患的探测精度。通过构建典型三维地电模型,利用三维正演方法对典型含水异常体三分量响应特征进行模拟,基于卷积神经网络模型（简称CNN）实现地-孔瞬变电磁探测异常场信号提取,并进行了粒子群-阻尼最小二乘（PSO-DLS）组合算法研究、数据反演处理和工程实例分析。取得的主要成果如下:（1）采用三维时域有限差分算法对典型地电模型的地-孔瞬变电磁响应进行了模拟计算,总结了不同含水异常体的地-孔瞬变电磁响应特征规律;（2）通过对近800口钻孔测井视电阻率曲线统计分析,总结了石炭-二叠系和侏罗系含煤地层的一般电性特征;（3）在数据处理中引入深度学习理论,采用卷积神经网络算法,构建CNN多层架构模型,设计了渐进式学习策略,通过分步式学习方法,实现了由地-孔瞬变电磁响应总场信号到异常场信号的训练学习,解决了地-孔瞬变电磁方法响应异常场信号难以提取的问题;（4）为解决数据反演中常规线性算法需要赋初值及非线性方法效率低的问题,提出了针对地-孔瞬变电磁异常场信号的PSO-DLS组合反演算法,开发了相应的数据处理及反演软件;（5）理论模型试算和工程实例验证了基于CNN渐进式学习策略的异常提取算法及PSO-DLS反演算法的准确性,证明了所开发的反演软件的有效性。本文的主要创新性体现在:（1）针对地-孔瞬变电磁响应异常场信号偏弱难以有效提取的问题,提出了基于CNN算法的异常场信号提取方法,建立了适用于异常场信号提取的卷积神经网络模型;（2）针对由总场信号直接到异常场信号训练效果不佳的问题,提出了深度学习CNN渐进式学习策略,提高了异常场信号的提取精度;（3）对PSO算法进行改进研究,利用PSO非线性反演算法不需指定初始模型的优点,联合寻优效率较高的DLS算法,实现了对异常场的PSO-DLS组合算法反演。
二、Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm（论文提纲范文）
（1）断层参数反演的神经网络算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 模拟退火法(SA, simulated annealing) |
| 1.2.2 基因遗传算法(GA, genetic algorithm) |
| 1.2.3 粒子群算法(PSO,particle swarm optimization) |
| 1.2.4 人工神经网络算法(ANNA,artificial neural network algorithm) |
| 1.2.5 非线性反演算法的精度评价 |
| 1.2.6 地震断层参数反演算法存在问题 |
| 1.3 研究目的和内容 |
| 1.3.1 研究目的 |
| 1.3.2 研究内容 |
| 1.4 本章小结 |
| 2 基本神经网络算法 |
| 2.1 概述 |
| 2.2 地震断层参数反演 |
| 2.3 神经网络算法 |
| 2.4 算法应用与分析 |
| 2.4.1 数值算例1:不同断层的GPS站点监测 |
| 2.4.2 数值算例2:2016年台湾美浓地震 |
| 2.4.3 讨论 |
| 2.5 本章小结 |
| 3 单纯形改进神经网络算法 |
| 3.1 概述 |
| 3.2 神经网络算法改进 |
| 3.2.1 Nelder-Mead单纯形算法(NM, Nelder-Mead) |
| 3.2.2 Nelder-Mead神经网络算法(NM-NNA, Nelder-Mead neural networkalgorithm) |
| 3.2.3 多起点Nelder-Mead神经网络算法(multi NM-NNA,multistartNelder-Mead neural network algorithm) |
| 3.3 算法应用与分析 |
| 3.3.1 数值算例1:不同GPS站点监控的左旋走滑断层 |
| 3.3.2 数值算例2:不同断层滑动模型 |
| 3.3.3 数值算例3:Mw6.6博德鲁姆-科斯(Bodrum-Kos)地震 |
| 3.4 讨论 |
| 3.5 本章小结 |
| 4 基因遗传改进神经网络算法 |
| 4.1 概述 |
| 4.2 遗传单纯形神经网络算法(G-NM-NNA,genetic Nelder-Mead neural networkalgorithm) |
| 4.2.1 基因遗传算法 |
| 4.2.2 改进策略 |
| 4.3 算法应用与分析 |
| 4.3.1 数值算例1:GPS站点监控的左旋正断层 |
| 4.3.2 数值算例2:Mw6.6博德鲁姆-科斯(Bodrum-Kos)地震 |
| 4.3.3 数值算例3:Mw6.5基督山山脉(Monte Cristo Range)地震 |
| 4.4 讨论 |
| 4.5 本章小结 |
| 5 改进神经网络算法的精度评价 |
| 5.1 概述 |
| 5.2 精度评价对比方法 |
| 5.3 算法应用与分析 |
| 5.3.1 数值算例1:火山复式位错模型(CDM,compound dislocation model)反演方法的精度评价 |
| 5.3.2 数值算例2:地震断层几何参数反演方法的精度评价 |
| 5.3.3 数值算例3:芦山地震 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本文主要工作总结 |
| 6.2 对下一步的展望 |
| 参考文献 |
| 攻读硕士学位期间的论文、主要学术活动及获奖情况 |
| 致谢 |
（2）浅层并行电法探测全场电位值反演研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电法勘探方法 |
| 1.2.2 直流电法反演方法 |
| 1.2.3 并行电法数据反演方法 |
| 1.2.4 主要存在问题 |
| 1.3 研究内容及技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 2 并行电法及全场电位值反演 |
| 2.1 并行电法 |
| 2.1.1 并行电法技术概述 |
| 2.1.2 并行电法数据采集方式及其对比 |
| 2.2 常规AM电法反演电阻率计算时存在的问题 |
| 2.2.1 AM法左右侧数据选择问题 |
| 2.2.2 二极法电阻率计算存在的问题 |
| 2.2.3 温纳三极电阻率计算存在的问题 |
| 2.3 基于并行电法常规电阻率计算问题的改进 |
| 2.3.1 全场三极右法电阻率计算 |
| 2.3.2 邻源三极右法电阻率计算 |
| 2.4 全场电位值反演原理和方法 |
| 3 物理模拟实验 |
| 3.1 野外实验采集 |
| 3.1.1 实验目的 |
| 3.1.2 实验场地概况 |
| 3.1.3 实验设备 |
| 3.1.4 现场布置及设备参数设置 |
| 3.2 电阻率计算改进装置类型影响效果研究 |
| 3.3 反演处理改进装置类型影响效果研究 |
| 3.3.1 反演研究预准备工作 |
| 3.3.2 改进后全场电位值对2D反演影响效果研究 |
| 3.3.3 改进后全场电位值对3D联合反演影响效果研究 |
| 3.4 反演处理测线影响效果研究 |
| 4 工程应用实例 |
| 4.1 工作面工程地质条件 |
| 4.1.1 工作面概况 |
| 4.1.2 工作面地质条件 |
| 4.2 现场探测布置 |
| 4.3 电法探测成果分析 |
| 4.3.1 二维电法探测结果 |
| 4.3.2 三维电法探测结果 |
| 4.4 电法探测结果验证 |
| 4.5 本章小结 |
| 5 研究结论与建议 |
| 5.1 研究结论 |
| 5.2 建议 |
| 参考文献 |
| 致谢 |
| 作者简介及读研期间主要科研成果 |
（3）地下水LNAPLs污染溯源辨析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题依据及研究意义 |
| 1.2 国内外研究现状与进展分析 |
| 1.2.1 地下水污染溯源辨析问题的研究 |
| 1.2.2 经验模态分解降噪方法的研究 |
| 1.2.3 替代模型建模方法的研究 |
| 1.2.4 优化模型求解算法的研究 |
| 1.3 有待解决的科学问题 |
| 1.3.1 监测数据降噪方法问题 |
| 1.3.2 替代模型建模方法问题 |
| 1.3.3 优化模型求解算法问题 |
| 1.3.4 模拟模型参数不确定性问题 |
| 1.4 研究内容与技术路线 |
| 1.4.1 研究内容 |
| 1.4.2 技术路线 |
| 1.5 创新点 |
| 1.6 本章小结 |
| 第2章 反演问题和模拟-优化方法 |
| 2.1 正演问题 |
| 2.1.1 正演问题的概述 |
| 2.1.2 正演问题的适定性 |
| 2.2 反演问题 |
| 2.2.1 反演问题的概述 |
| 2.2.2 反演问题的不适定性 |
| 2.3 地下水污染溯源辨析的反演问题 |
| 2.4 模拟-优化方法 |
| 2.5 本章小结 |
| 第3章 地下水LNAPLs污染多相流数值模拟模型 |
| 3.1 地下水中LNAPLs的主要来源 |
| 3.2 地下水中LNAPLs的迁移与转化 |
| 3.3 LNAPLs污染多相流数值模拟模型 |
| 3.3.1 偏微分方程 |
| 3.3.2 定解条件 |
| 3.4 实际污染场地地下水LNAPLs污染多相流数值模拟模型 |
| 3.4.1 污染场地概况 |
| 3.4.2 污染场地的概念模型 |
| 3.4.3 污染场地的多相流数值模拟模型 |
| 3.4.4 模型的时空离散 |
| 3.5 本章小结 |
| 第4章 动态监测数据的降噪处理 |
| 4.1 经验模态分解方法概述 |
| 4.2 经验模态分解方法的基本原理 |
| 4.3 集合经验模态分解方法的基本原理 |
| 4.4 互补集合经验模态分解方法的基本原理 |
| 4.5 降噪效果的评价指标 |
| 4.6 降噪效果的评价 |
| 4.6.1 获取含噪声数据 |
| 4.6.2 降噪效果的评价 |
| 4.7 最优互补降噪方法 |
| 4.7.1 最优互补降噪方法的提出 |
| 4.7.2 灰狼优化算法 |
| 4.7.3 最优互补降噪方法的降噪效果评价 |
| 4.8 最优互补降噪方法的实例应用 |
| 4.9 本章小结 |
| 第5章 多相流数值模拟模型的替代模型 |
| 5.1 敏感性分析 |
| 5.1.1 局部敏感性分析方法 |
| 5.1.2 敏感性分析结果 |
| 5.2 训练样本与检验样本的获取 |
| 5.2.1 拉丁超立方抽样方法简介 |
| 5.2.2 拉丁超立方抽样方法抽样步骤 |
| 5.2.3 训练样本与检验样本的获取 |
| 5.3 极限学习机替代模型 |
| 5.3.1 极限学习方法 |
| 5.3.2 极限学习机替代模型的建立 |
| 5.4 克里格替代模型 |
| 5.4.1 克里格方法 |
| 5.4.2 克里格替代模型的建立 |
| 5.5 长短期记忆神经网络替代模型 |
| 5.5.1 长短期记忆神经网络方法 |
| 5.5.2 长短期记忆神经网络替代模型的建立 |
| 5.6 深度信念神经网络替代模型 |
| 5.6.1 深度信念神经网络方法 |
| 5.6.2 深度信念神经网络替代模型的建立 |
| 5.7 四种替代模型的精度检验与评价 |
| 5.7.1 替代模型精度的评价指标 |
| 5.7.2 四种替代模型精度的对比分析 |
| 5.8 人工智能集对替代模型 |
| 5.8.1 人工智能集对替代模型的建立 |
| 5.8.2 人工智能集对替代模型的精度评价 |
| 5.9 本章小结 |
| 第6章 优化模型建立及其求解方法 |
| 6.1 最优化问题的概述 |
| 6.2 非线性规划优化模型的建立 |
| 6.3 自适应混合灰狼算法 |
| 6.3.1 莱维飞行随机游走策略 |
| 6.3.2 Metropolis接受准则 |
| 6.3.3 自适应权重 |
| 6.4 本章小结 |
| 第7章 地下水LNAPLs污染溯源辨析结果 |
| 7.1 假想例子污染溯源辨析 |
| 7.1.1 假想例子设计 |
| 7.1.2 灰狼优化算法辨析结果 |
| 7.1.3 自适应混合灰狼优化算法辨析结果 |
| 7.2 实际例子污染溯源辨析 |
| 7.3 本章小结 |
| 第8章 地下水LNAPLs污染溯源辨析的不确定性分析 |
| 8.1 蒙特卡洛方法 |
| 8.2 模拟模型参数扰动 |
| 8.3 非线性规划优化模型的建立与求解 |
| 8.4 地下水LNAPLs污染溯源辨析结果的不确定性分析 |
| 8.4.1 切比雪夫不等式 |
| 8.4.2 污染溯源辨析结果的不确定性分析 |
| 8.5 本章小结 |
| 第9章 结论及展望 |
| 9.1 结论 |
| 9.2 展望 |
| 参考文献 |
| 作者简介及攻读博士期间所取得的科研成果 |
| 致谢 |
（4）地基GNSS水汽反演及其在极端天气中的应用研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 存在的主要问题 |
| 1.4 研究内容 |
| 1.5 章节安排 |
| 2 大气水汽反演理论 |
| 2.1 地基GNSS水汽反演 |
| 2.2 探空数据水汽反演 |
| 2.3 大气再分析资料水汽反演 |
| 2.4 本章小结 |
| 3 区域大气改正模型 |
| 3.1 常用的大气经验模型 |
| 3.2 基于ERA5 的中国区域大气经验模型构建 |
| 3.3 常用的大气插值模型 |
| 3.4 基于IAGA模型改进的时空Kriging大气插值模型 |
| 3.5 本章小结 |
| 4 区域大气加权平均温度模型 |
| 4.1 几种气象要素和地理高度与T_m的相关性分析 |
| 4.2 基于地表气象参数和高程改正的T_m单因子回归模型 |
| 4.3 基于地表气象参数的多因子T_m改正模型 |
| 4.4 本章小结 |
| 5 高精度地基GNSS水汽监测系统与精度验证 |
| 5.1 软件介绍 |
| 5.2 实时GNSS-PWV精度分析 |
| 5.3 台风天气下GNSS-PWV精度分析 |
| 5.4 本章小结 |
| 6 利用地基GNSS水汽产品研究极端天气事件 |
| 6.1 地基GNSS水汽产品在典型极端天气中的应用 |
| 6.2 台风天气下大气参数的变化特征 |
| 6.3 利用高时空分辨率水汽资料监测台风运动 |
| 6.4 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 作者简历 |
| 学位论文数据集 |
（5）星载气溶胶激光雷达的模拟仿真和反演算法应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 大气气溶胶的直接测量 |
| 1.2.2 基于地基遥感的大气气溶胶观测 |
| 1.2.3 基于星载遥感的大气气溶胶的观测 |
| 1.2.4 基于主动式星载激光雷达的大气气溶胶的观测 |
| 1.3 本文设计思路和主要工作 |
| 1.3.1 本文设计思路 |
| 1.3.2 本文主要工作 |
| 1.4 本章小结 |
| 第2章 星载激光雷达缩比样机研制 |
| 2.1 大气探测激光雷达 |
| 2.1.1 激光与大气相互作用机制 |
| 2.1.2 大气探测激光雷达的作用机制 |
| 2.1.3 米散射激光雷达的组成和工作原理 |
| 2.2 星载激光雷达总体设计 |
| 2.3 缩比激光雷达样机模块设计 |
| 2.3.1 激光发射单元 |
| 2.3.2 光学接收单元 |
| 2.3.3 信号探测和采集单元 |
| 2.4 探测结果分析 |
| 2.5 本章小结 |
| 第3章 星载激光雷达的信号模拟和噪声特性分析 |
| 3.1 基于实际消光系数的星载激光雷达回波信号模拟 |
| 3.1.1 大气消光模式 |
| 3.1.2 基于实际消光系数的信号模拟 |
| 3.1.3 星载激光雷达回波信号模拟 |
| 3.2 激光雷达的噪声特性分析 |
| 3.2.1 探测器噪声特性分析 |
| 3.2.2 激光雷达实际噪声特性分析 |
| 3.3 本章小结 |
| 第4章 垂直消光廓线的精确反演和数据应用研究 |
| 4.1 米散射激光雷达经典反演算法 |
| 4.1.1 Collis斜率法 |
| 4.1.2 Klett方法 |
| 4.1.3 Femald方法 |
| 4.2 Fernald反演算法的不确定度分析 |
| 4.2.1 激光雷达比 |
| 4.2.2 后向散射比 |
| 4.2.3 信噪比 |
| 4.3 垂直消光廓线的精确反演 |
| 4.4 激光雷达信号的数据预处理 |
| 4.4.1 重叠因子几何校正 |
| 4.4.2 激光雷达信号的背景噪声 |
| 4.4.3 基于激光雷达信号特征的数据平滑 |
| 4.5 典型重污染过程的数据应用研究 |
| 4.5.1 站点与数据来源介绍 |
| 4.5.2 有云天气下的霾污染过程 |
| 4.5.3 有云天气下的沙尘污染过程 |
| 4.6 本章小结 |
| 第5章 基于激光雷达数据的颗粒物浓度估算研究 |
| 5.1 特征数据描述与筛选 |
| 5.1.1 光学特征数据描述 |
| 5.1.2 其他特征数据 |
| 5.1.3 基于逐步判别法的特征筛选 |
| 5.2 神经网络介绍及优化参数设置 |
| 5.2.1 后向传播神经网络 |
| 5.2.2 基于遗传算法的后向传播神经网络 |
| 5.3 基于神经网络的颗粒物浓度辨识 |
| 5.3.1 基于线性回归的颗粒物浓度辨识 |
| 5.3.2 基于BP的颗粒物浓度辨识 |
| 5.3.3 基于GA-BP的颗粒物浓度辨识 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要工作内容 |
| 6.2 创新点 |
| 6.3 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（6）EAST托卡马克上边界和台基结构的实验研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 前言 |
| 1.1 核聚变与托卡马克 |
| 1.1.1 聚变反应与劳森判据 |
| 1.1.2 托卡马克装置与等离子体约束模式 |
| 1.1.3 EAST全超导托卡马克装置 |
| 1.2 边界和台基结构的研究现状综述 |
| 1.2.1 高约束模及其特征 |
| 1.2.2 边界和台基结构与参数预测 |
| 1.2.3 台基湍流与回旋动理学模拟 |
| 1.3 本论文结构介绍 |
| 第2章 微波反射仪基本原理与研究现状 |
| 2.1 磁化等离子体中的电磁波 |
| 2.2 微波反射仪的基本原理 |
| 2.2.1 密度涨落的测量 |
| 2.2.2 密度剖面的测量 |
| 2.3 国内外微波反射仪的发展与研究现状 |
| 2.3.1 其它装置上的微波反射仪 |
| 2.3.2 EAST装置上的微波反射仪 |
| 2.4 本章讨论与小结 |
| 2.4.1 讨论 |
| 2.4.2 小结 |
| 第3章 常用数据处理方法 |
| 3.1 剖面微波反射仪的密度反演算法 |
| 3.1.1 传统反演方法 |
| 3.1.2 改进算法 |
| 3.1.3 基于神经网络的反演方法 |
| 3.1.4 基于卷积神经网络的X模微波反射仪密度零点位置确定方法 |
| 3.2 湍流数字信号的分析方法 |
| 3.2.1 时域算法 |
| 3.2.2 频域算法 |
| 3.2.3 时频域算法 |
| 3.3 本章小结 |
| 第4章 基于快扫频微波反射仪的先进数据算法 |
| 4.1 基于快扫频微波反射仪拍频信号研究MHD行为的TOF算法 |
| 4.1.1 引言 |
| 4.1.2 TOF算法原理 |
| 4.1.3 TOF算法结果: 以撕裂模为例 |
| 4.2 基于随机抽样一致思路对密度剖面的优化拟合算法(modifiedRANSAC) |
| 4.2.1 随机抽样一致算法(RANSAC)的基本思路:以简单拟合为例 |
| 4.2.2 改进的随机抽样一致算法(modified RANSAC)算法框架 |
| 4.2.3 modified RANSAC算法结果Ⅰ: 模拟分布 |
| 4.2.4 modified RANSAC算法结果Ⅱ: 实验分布 |
| 4.3 基于随机抽样一致算法与遗传算法加速迭代的优化拟合算法(GA-RANSAC) |
| 4.3.1 遗传算法(GA)介绍 |
| 4.3.2 GA-RANSAC算法框架 |
| 4.3.3 GA-RANSAC算法细节 |
| 4.3.4 GA-RANSAC算法结果Ⅱ: 模拟分布 |
| 4.3.5 GA-RANSAC算法结果Ⅱ: 实验分布 |
| 4.4 本章讨论与小结 |
| 第5章 L-H转换的先兆低频环向对称磁振荡(AMO)的实验研究 |
| 5.1 实验参数与诊断分布 |
| 5.1.1 诊断分布 |
| 5.1.2 实验参数 |
| 5.2 AMO的结构与位置 |
| 5.2.1 通过磁探针阵列获得AMO的环/极向结构 |
| 5.2.2 通过O模密度涨落反射仪获得AMO的径向结构 |
| 5.3 AMO的出现条件与L-H转换阈值相关 |
| 5.4 AMO的模频率定标研究 |
| 5.5 AMO对密度/磁涨落的幅度调制及其影响 |
| 5.5.1 AMO对密度/磁涨落的幅度调制 |
| 5.5.2 AMO与背景湍流的三波相互作用 |
| 5.5.3 AMO对等离子体密度边界结构/粒子输运的影响 |
| 5.5.4 其它观察: AMO与一种4kHz n=0模式的相互作用 |
| 5.6 本章讨论与小结 |
| 5.6.1 讨论 |
| 5.6.2 小结 |
| 第6章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的研究成果 |
（7）基于深度学习的重磁数据处理研究（论文提纲范文）
| 作者简历 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 重磁数据三维反演研究现状 |
| 1.2.2 重磁数据去噪研究现状 |
| 1.2.3 深度学习在地球物理中的研究现状 |
| 1.3 论文结构安排和主要创新点 |
| 第二章 基本理论 |
| 2.1 重磁正演 |
| 2.1.1 重、磁位场数据物理意义 |
| 2.1.2 重力三维正演 |
| 2.1.3 磁异常三维正演 |
| 2.2 深度学习概述 |
| 2.3 卷积神经网络基本理论 |
| 2.3.1 神经元与神经网络 |
| 2.3.2 卷积神经网络结构 |
| 2.3.3 激活函数 |
| 2.3.4 损失函数 |
| 2.3.5 前向和反向传播 |
| 2.3.6 神经网络最优化方法 |
| 2.4 本章小结 |
| 第三章 深度学习去噪研究 |
| 3.1 DnCNN网络 |
| 3.1.1 残差学习 |
| 3.1.2 批标准化 |
| 3.1.3 数据预处理 |
| 3.2 训练样本 |
| 3.3 网络参数 |
| 3.4 模型试验 |
| 3.4.1 高斯噪声 |
| 3.4.2 椒盐噪声 |
| 3.4.3 高斯和椒盐混合噪声 |
| 3.5 应用实例 |
| 3.5.1 磁法数据 |
| 3.5.2 重力数据 |
| 3.6 小结 |
| 第四章 重磁正则化物性反演研究 |
| 4.1 正则化反演理论 |
| 4.2 数据加权函数和模型加权函数 |
| 4.3 物性参数的上下限约束 |
| 4.4 光滑约束 |
| 4.5 模型试验 |
| 4.6 小结 |
| 第五章 基于深度学习的三维重力反演研究 |
| 5.1 深度学习反演 |
| 5.1.1 基本原理 |
| 5.1.2 网络结构 |
| 5.2 训练样本 |
| 5.3 Grav-Net与FCN对比分析 |
| 5.4 模型试验 |
| 5.4.1 棱柱体模型 |
| 5.4.2 倾斜板状体模型 |
| 5.4.3 加噪实验 |
| 5.5 本章小结 |
| 第六章 结论与建议 |
| 6.1 结论 |
| 6.2 建议 |
| 致谢 |
| 参考文献 |
（8）基于高精度近场效应误差修正的高效优化算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 半实物仿真技术研究现状 |
| 1.2.1 射频仿真系统中近场效应误差修正国外研究现状 |
| 1.2.2 射频仿真系统中近场效应误差修正国内研究现状 |
| 1.3 机器学习的研究现状与应用前景 |
| 1.4 论文结构安排 |
| 第二章 高精度近场效应误差修正方案设计 |
| 2.1 引言 |
| 2.2 近场效应误差来源分析 |
| 2.3 近场效应误差修正方案设计 |
| 2.3.1 近场效应误差修正现行方案 |
| 2.3.2 基于差分进化和遗传算法的修正方法 |
| 2.3.3 基于内德-米德算法的精确修正方法 |
| 2.4 修正方案的改进思路及优化设计 |
| 2.4.1 现行修正方案的局限性分析 |
| 2.4.2 修正方案的改进思路及优化设计 |
| 2.5 本章小结 |
| 第三章 用于近场效应误差修正的高效智能优化算法研究 |
| 3.1 引言 |
| 3.2 粒子群算法结合坡印廷矢量法 |
| 3.2.1 粒子群优化算法 |
| 3.2.2 粒子群算法结合坡印廷矢量法验证 |
| 3.2.3 基于粒子群算法修正方案的优化性能对比分析 |
| 3.3 粒子群-遗传混合算法结合坡印廷矢量法 |
| 3.3.1 粒子群-遗传混合优化算法 |
| 3.3.2 粒子群-遗传混合优化算法结合坡印廷矢量法验证 |
| 3.3.3 基于粒子群-遗传混合算法修正方案的优化性能对比分析 |
| 3.4 本章小结 |
| 第四章 基于神经网络的多元矢量合成方法研究 |
| 4.1 引言 |
| 4.2 基于BP神经网络的多元矢量正演建模方法 |
| 4.2.1 BP神经网络 |
| 4.2.2 用于三元组高效正演建模的BP神经网络设计 |
| 4.2.3 基于遗传算法优化的BP神经网络设计及性能分析 |
| 4.3 基于SVM的多元矢量正演建模方法 |
| 4.3.1 支持向量机 |
| 4.3.2 基于K-CV-SVM的多元矢量快速建模方法与性能分析 |
| 4.3.3 基于PSO-SVM的多元矢量快速建模方法与性能分析 |
| 4.3.4 不同优化方案的SVM网络性能分析 |
| 4.4 本章小结 |
| 第五章 修正方案优化验证与结果分析 |
| 5.1 引言 |
| 5.2 三元组幅相参数控制规律 |
| 5.2.1 馈电幅度变化 |
| 5.2.2 馈电相位变化 |
| 5.2.3 馈电幅度与相位同时变化 |
| 5.3 三元组初始馈电参数的优化结果分析 |
| 5.4 近场效应误差的精确修正结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（9）基于实时监测数据的斜拉桥拉索受力状态反演模拟（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外反演研究现状 |
| 1.2.1 遗传算法 |
| 1.2.2 模拟退火算法 |
| 1.2.3 支持向量机方法 |
| 1.2.4 人工神经网络法 |
| 1.3 本论文主要研究内容和目的 |
| 第二章 BP神经网络基本原理 |
| 2.1 BP神经网络的传递函数 |
| 2.2 BP神经网络模型 |
| 2.2.1 BP神经网络结构 |
| 2.2.2 BP神经网络算法原理 |
| 2.2.3 BP神经网络在MATLAB中的实现 |
| 2.2.4 BP神经网络的特点 |
| 2.3 神经网络模型建模要素 |
| 2.3.1 训练数据预处理 |
| 2.3.2 数据过拟合问题 |
| 2.3.3 训练次数的确定 |
| 2.3.4 网络性能评价 |
| 2.4 本章小结 |
| 第三章 斜拉索索力值反演 |
| 3.1 斜拉桥有限元模型 |
| 3.1.1 模型建立 |
| 3.1.2 模型修正 |
| 3.2 传统方法斜拉索索力值反演 |
| 3.3 BP神经网络模型的构建 |
| 3.3.1 训练样本组成 |
| 3.3.2 归一化处理 |
| 3.3.3 反演预测模型构建 |
| 3.3.4 网络学习结果与分析 |
| 3.4 未布置传感器斜拉索索力值反演 |
| 3.4.1 斜拉索实测索力值获取 |
| 3.4.2 智能算法斜拉索索力值反演 |
| 3.5 本章小结 |
| 第四章 基于BP神经网络算法的参数反演 |
| 4.1 斜拉桥参数敏感性分析 |
| 4.2 敏感参数反演 |
| 4.2.1 样本数据来源 |
| 4.2.2 斜拉索弹性模量 |
| 4.2.3 主梁混凝土弹性模量 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 创新点 |
| 5.3 问题与展望 |
| 参考文献 |
| 附录 |
| 个人简历 |
| 申请学位期间的研究成果及发表的学术论文 |
| 致谢 |
（10）基于CNN的地-孔TEM异常提取及PSO-DLS反演方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 研究现状及存在问题 |
| 1.2.1 地-孔瞬变电磁正反演及应用研究现状 |
| 1.2.2 异常提取技术研究现状 |
| 1.2.3 神经网络研究现状 |
| 1.2.4 存在的主要问题 |
| 1.3 研究目标与研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 研究方法与技术路线 |
| 1.5 主要创新点 |
| 第2章 典型地电模型地-孔瞬变电磁响应特征 |
| 2.1 地-孔瞬变电磁方法 |
| 2.1.1 瞬变电磁理论简介 |
| 2.1.2 地-孔瞬变电磁方法 |
| 2.2 瞬变电磁场控制方程及三维有限差分算法 |
| 2.3 三维瞬变电磁时域有限差分正演计算 |
| 2.3.1 网格剖分格式 |
| 2.3.2 考虑发射源情况下的传播方程 |
| 2.4 典型地质异常体地-孔瞬变电磁数值模拟 |
| 2.4.1 不同类型异常体响应模拟 |
| 2.4.2 不同规模异常体响应模拟 |
| 2.4.3 不同距离异常体响应模拟 |
| 2.4.4 不同埋深异常体响应模拟 |
| 2.5 小结 |
| 第3章 卷积神经网络(CNN)模型的改进研究 |
| 3.1 人工智能及机器学习 |
| 3.2 神经网络及深度学习 |
| 3.2.1 M-P模型 |
| 3.2.2 感知机 |
| 3.2.3 代价函数 |
| 3.2.4 正则化及梯度下降法 |
| 3.2.5 神经网络 |
| 3.2.6 误差反向传播算法 |
| 3.3 CNN基本原理及架构 |
| 3.3.1 CNN理论 |
| 3.3.2 CNN基本架构 |
| 3.4 CNN模型架构设计及搭建 |
| 3.5 小结 |
| 第4章 基于CNN的异常场提取方法及模型实现 |
| 4.1 深度学习框架库 |
| 4.2 学习样本集的制备 |
| 4.2.1 样本集制备方法 |
| 4.2.2 地质模型地层电性参数 |
| 4.2.3 地质模型建立 |
| 4.2.4 正演模拟及样本制备 |
| 4.3 基于CNN改进模型的渐进式学习策略 |
| 4.4 模型训练过程及网络参数保存 |
| 4.4.1 前端模型训练模块及模型网络参数保存 |
| 4.4.2 模型加载计算及后端模型训练保存 |
| 4.4.3 前端与后端模型加载及综合预测 |
| 4.5 小结 |
| 第5章 PSO-DLS组合反演算法与实现 |
| 5.1 线性反演算法 |
| 5.1.1 反演方法概述 |
| 5.1.2 瞬变电磁线性反演算法 |
| 5.2 非线性反演算法 |
| 5.2.1 粒子群(PSO)算法 |
| 5.2.2 阻尼最小二乘(DLS)算法 |
| 5.3 PSO-DLS组合反演 |
| 5.4 处理软件开发 |
| 5.4.1 软件需求分析 |
| 5.4.2 软件架构设计 |
| 5.4.3 软件开发实现 |
| 5.5 反演算法验证 |
| 5.6 小结 |
| 第6章 工程应用实例研究 |
| 6.1 地质概况与地球物理特征 |
| 6.1.1 地层 |
| 6.1.2 主要可采煤层 |
| 6.1.3 地球物理特征 |
| 6.2 野外施工及数据特征分析 |
| 6.3 异常提取及反演解释 |
| 6.4 反演解释结果验证 |
| 6.5 小结 |
| 第7章 结论与展望 |
| 7.1 主要成果 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
| 学位论文数据集 |
四、Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm（论文参考文献）
- [1]断层参数反演的神经网络算法研究[D]. 许冉冉. 东华理工大学, 2021
- [2]浅层并行电法探测全场电位值反演研究[D]. 曹建富. 安徽理工大学, 2021(02)
- [3]地下水LNAPLs污染溯源辨析[D]. 李久辉. 吉林大学, 2021
- [4]地基GNSS水汽反演及其在极端天气中的应用研究[D]. 何琦敏. 中国矿业大学, 2021(02)
- [5]星载气溶胶激光雷达的模拟仿真和反演算法应用研究[D]. 付松琳. 中国科学技术大学, 2021(09)
- [6]EAST托卡马克上边界和台基结构的实验研究[D]. 叶凯萱. 中国科学技术大学, 2021(09)
- [7]基于深度学习的重磁数据处理研究[D]. 阳前果. 中国地质大学, 2021
- [8]基于高精度近场效应误差修正的高效优化算法研究[D]. 何柯. 电子科技大学, 2021(01)
- [9]基于实时监测数据的斜拉桥拉索受力状态反演模拟[D]. 亢文波. 桂林理工大学, 2021(01)
- [10]基于CNN的地-孔TEM异常提取及PSO-DLS反演方法研究[D]. 李明星. 煤炭科学研究总院, 2020(08)