一、自适应GA-BP优化方法进行高分辨率反演(论文文献综述)
左超,陈钱[1](2022)在《计算光学成像:何来,何处,何去,何从?》文中指出计算光学成像是一种通过联合优化光学系统和信号处理以实现特定成像功能与特性的新兴研究领域。它并不是光学成像和数字图像处理的简单补充,而是前端(物理域)的光学调控与后端(数字域)信息处理的有机结合,通过对照明、成像系统进行光学编码与数学建模,以计算重构的方式获取图像与信息。这种新型的成像方式将有望突破传统光学成像技术对光学系统以及探测器制造工艺、工作条件、功耗成本等因素的限制,使其在功能(相位、光谱、偏振、光场、相干度、折射率、三维形貌、景深延拓,模糊复原,数字重聚焦,改变观测视角)、性能(空间分辨、时间分辨、光谱分辨、信息维度与探测灵敏度)、可靠性、可维护性等方面获得显着提高。现阶段,计算光学成像已发展为一门集几何光学、信息光学、计算光学、现代信号处理等理论于一体的新兴交叉技术研究领域,成为光学成像领域的国际研究重点和热点,代表了先进光学成像技术的未来发展方向。国内外众多高校与科研院所投身其中,使该领域全面进入了“百花齐放,百家争鸣”的繁荣发展局面。作为本期《红外与激光工程》——南京理工大学专刊“计算光学成像技术”专栏的首篇论文,本文概括性地综述了计算光学成像领域的历史沿革、发展现状、并展望其未来发展方向与所依赖的核心赋能技术,以求抛砖引玉。
陈国翠[2](2021)在《基于图像处理的27.5kV电气化铁路棒式绝缘子表面缺陷识别》文中提出绝缘子作为电气化铁路接触网中的常用的重要绝缘部件,在铁路系统中的作用是悬挂并保持悬挂装置带电部分与绝缘部分电隔离,它不但承受本身的工作电压和各种过电压,还承担着接触悬挂和支撑结构的重量及天气影响所产生的机械负荷。因此,绝缘子的绝缘性能好坏,对铁路接触网的供电正常与否影响很大。长期的疲劳磨损和周围环境恶劣引起的自爆、破损等缺陷导致其绝缘性能下降,进而发生放电的现象(即表现为闪络),这种现象所引起的变电所断电严重影响着列车的安全稳定运行,因此,绝缘子的绝缘性能必须得到保障。传统的人工识别存在工作量大、实时性差和准确性差等缺点,故如何快速准确地实现电气化铁路绝缘子缺陷识别的精度和速度就显得极其重要。本文利用图像处理技术对4C装置采集到的27.5k V电气化铁路棒式绝缘子图片实现其缺陷的智能识别。论文的主要工作有:首先,应对绝缘子图像的采集需求,研究与分析了电气化铁路接触网悬挂状态检测监测装置(4C)的传感器、补光灯光源等具体硬件设备的实际情况并了解了绝缘子成像原理,之后根据绝缘子缺陷识别原理介绍了本文基于图像处理的算法流程。接着,绝缘子图像在采集的过程中,会因工业相机的光电转换过程和周围环境产生椒盐噪声,故需对采集到的原始绝缘子图像进行滤波处理。椒盐噪声的幅值近似服从随机分布,待去噪图像中既存在干净点,也存在噪声点,针对中值滤波算法可去除椒盐噪声所带来的虚假边缘,提出改进快速导向滤波算法,即用中值去噪函数fmedian替代快速导向滤波算法中的均值函数fmean,此种改进具有较好的边缘细节特征保持功能,有利于后续绝缘子的特征提取及提高绝缘子表面缺陷识别的准确性。其次,分析了Canny边缘检测算法和BP神经网络算法的特性,结合改进Canny边缘检测和Hough变换直线检测算法对绝缘子区域进行定位,有效避免了因Canny算法漏检部分像素点而造成的误定位;得到只含绝缘子的图像后,针对BP神经网络算法容易收敛于局部最小值及目前绝缘子识别准确率较低的问题,提出了一种基于改进遗传BP神经网络算法(GA-BP)的绝缘子识别方法。在改进GA-BP算法中,采用鲍威尔-比厄共轭梯度法(Powell-Beale)不断更新GA-BP算法中的阈值和权值,提升了GA-BP网络的收敛速度,最终实现绝缘子识别,提高绝缘子识别的准确度。最后,本文利用棒式绝缘子伞裙的规则形状分布,分别统计每张绝缘子图像的水平和垂直方向的像素,并计算出每张绝缘子图像中绝缘子的长度直径比和伞裙面积,再利用相机标定结果的转换值,使其转化后的绝缘子长度直径比和伞裙面积作为绝缘子表面缺陷的判断标准,最终实现棒式绝缘子缺陷状态及发生缺陷位置的确定。仿真实验结果表明,本文提出的棒式绝缘子表面缺陷识别系统能够准确识别绝缘子破损、自爆缺陷,有效提高了绝缘子表面缺陷识别的准确率,可为接触网检修工人提供可靠的依据。
付松琳[3](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》文中认为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。
厍斌[4](2021)在《基于稀疏表征的高维地震信号反演方法研究》文中指出地面激发的地震波向地下深层传播过程中会产生大量不同入射角的高维地震反射信号,该信号综合反映了地下介质丰富的岩性、构造和含油气性等信息。地震信号反演可从该高维信号中反推地下地质体的多种信息,是地下油气等资源勘探的重要手段,也是当前信号处理和资源勘探领域共同关注的前沿交叉科学问题。高维地震信号反演的难点主要在如下四个方面:(1)地震反演问题本身的不适定性,主要表现为反演过程的不稳定性和反演结果的多解性;(2)高维地震信号对不同类型储层参数的响应存在差异,当同步反演多种储层参数时,部分参数的反演结果可靠性较低;(3)地震信号的频带窄,导致地震反演结果的分辨率低、精度不足;(4)地震信号的横向一致性较差,导致常规逐道反演方法的平稳性低,进而造成反演结果横向连续性不足。现有多数方法以模型驱动方式添加储层参数的先验约束以降低上述问题带来的影响。随着对复杂油气藏勘探精度要求的逐年提升,这种模型化的方法已经很难满足实际应用需要。本文以储层参数稀疏表征为手段,提出了模型与数据混合驱动的地震信号反演新方法,在实际应用中获得了很好的效果,主要创新研究包括以下四点:(1)为克服反演问题的不适定性,传统地震反演方法假设地下储层参数服从特定的分布类型或结构特征,导致其应用范围具有局限性,当实际情况远比假设条件复杂时反演无法达到满意的效果。针对上述问题,本文提出了基于字典学习和稀疏表征的地震信号反演方法。该方法利用过完备字典学习算法获得地下储层参数的沉积结构特征字典,然后以地震信号反问题的固有物理机制为模型驱动,以基于特征字典的储层参数稀疏表征约束为数据驱动,实现了模型与数据混合驱动的地震反演求解过程。研究表明,该方法能自适应地获取储层参数先验信息,可显着提高反演结果的准确性,适用于复杂地质区域的反演任务。(2)传统地震反演方法在同步反演多个参数时,未考虑不同参数间的相关性空变问题,导致多参数同步反演效果欠佳。针对这一问题,本文提出了基于联合稀疏表征的多参数同步地震信号反演方法。该方法利用联合稀疏表征技术学习多个储层参数的联合字典,其同时刻画了各储层参数的沉积结构特征及参数间相关性特征,同样以模型与数据混合驱动的方式构建反演目标函数,实现了沉积结构与相关性联合约束的多参数同步反演。研究表明,该方法进一步提高了同步反演的每一个储层参数的反演精度,特别是对振幅信息敏感度偏弱的密度参数。(3)受地震观测信号的频带限制,传统方法的反演结果分辨率不能满足复杂油气藏精细化描述的需要。针对这一问题,本文提出了基于联合稀疏表征和高频预测的高分辨率地震反演方法。该方法借鉴图像超分辨率的思想,利用测井数据所提供的全频带信息,通过联合字典学习算法获得反演结果中低频信息与测井高频信息的关联特征,并根据该特征预测反演储层参数的高频分量,拓宽了反演结果的频带。研究表明,该方法提高了识别地下薄层/薄互层的能力,可满足复杂油气藏反演任务的精细化描述需求。(4)前述反演方法忽略了储层参数的空间结构特征,导致反演结果横向连续性较差。现有的3D反演方法或者过于简单,忽略了真实的空间结构特征;或者过于复杂,计算效率较低。针对这一问题,本文提出了基于联合稀疏表征与空间结构约束的3D地震反演方法。该方法首先利用结构张量技术从地震观测信号中提取出结构张量场,用以描述地下储层参数的空间结构特征;然后以该特征作为横向约束,并在纵向上结合基于联合稀疏表征的沉积结构和相关性约束,实现了3D高分辨率地震反演。研究表明,该方法保留了前述研究高准确性、强自适应性和高分辨率的优点,又增强了反演结果在空间展布上的连续性。综上,本文为复杂油气藏高维地震信号反演提供了新的思路,也可为相关领域反问题的求解提供借鉴,具有一定的理论价值和实践意义。
游洪[5](2021)在《基于InSAR技术和BP神经网络的高速铁路沿线区域沉降监测与预测》文中研究说明地面沉降被国内外相关研究者广泛关注,是城市发展、过度开采地下资源等因素而产生的地质灾害问题,对建筑物、南水北调等安全运营产生一定影响。同时,区域发生不均匀沉降,沉降差异值较大,则其对高速铁路轨道的平滑性产生较大影响,对高速铁路沿线的区域沉降特征及沉降发展变化趋势的研究是很必要,对高速铁路安全运营有着重要意义,其获取时序沉降值及变化趋势能为有关部门提供一定的参考信息。本文研究主要工作如下:(1)用覆盖研究区内2018年5月-2020年8月期间的升降轨SAR数据,基于SBAS-In SAR技术获取了升降轨的年均沉降速率和沉降序列值,分析了高速铁路沿线区域形变特征。分析表明:升降轨模式下的年均沉降速率、沉降序列值变化趋势具有较高的一致性;共探测出7个较明显沉降区,总沉降面积达1620km2。高速铁路沿线在该沉降内总长度达121km,年均沉降速率在-26mm/yr-18mm/yr。(2)以年均沉降速率为研究对象,进一步分析了影响区域沉降的因素,还分析了区域沉降可能对高速铁路产生影响。研究发现:开采石油、盐田等人类活动会影响地面沉降;研究区内高速铁路沿线区域发生不同程度非均匀沉降,将会对轨道的平滑性、稳定性产生一定的影响。(3)用BP神经网络及其优化后的三种预测模型对高速铁路沿线沉降区域内7个沉降点沉降序列值进行训练与预测等分析。结果发现:对沉降序列值进行2层小波分解降噪,降噪效果最佳,降噪后沉降值序列值更加平滑;遗传算法和粒子群算法有一定的优化作用,遗传算法的优化效果最佳,预测值均方根误差最小,粒子群算法次之。
乔家原[6](2020)在《基于改进BP神经网络算法的GNSS-R土壤湿度反演研究》文中认为本论文主要内容是基于本高校的论文格式要求,土壤湿度作为生态环境信息的一个重要参数,在全球气候和生态环境中扮演着重要的作用,在研究生态水循环、植被水分供给、土地承载能力等方面发挥着至关重要的作用。土壤湿度数据可被用于植被生长监测、气象灾害监测、滑坡预测,山火预警等方面,因此实时、准确、长期的土壤湿度信息将会为气象预报、水文研究、农业生产,灾害监测等方面的研究提供重要的数据支持。而目前获取土壤湿度传统的方式主要为两种:一种是利用专业遥感卫星手段来获取土壤的含水量,另一种为通过土壤湿度设备现场采样来获取土壤湿度。这两种手段都存在一定的弊端和缺陷,前者虽然遥测的范围比较大,但是具有较小在空间及时间分辨率,不能够满足大多数应用的要求。后者主要是通过探针来探测土壤湿度,其探测的范围比较小,并且经常需要实地采样,具有耗时、费力,不能满足长期高时间分辨率需求的缺陷。因此研究获取高空间、高时间分辨率或实时的土壤湿度数据的技术手段具有重要意义。近些年来,随着全球导航定位技术的不断发展,空中出现了越来越多的卫星可我们使用,在此背景下,基于卫星信号的GNSS-R新型土壤湿度探测技术得到了广泛的关注和研究。GNSS-R技术作为一种新型微波遥感技术具有其独特的优势,具有覆盖范围广、全天候,实时高分辨率等优点。除此之外,随着人工智能热潮的来临,机器学习越来越多的出现在我们的生活中,现如今在各行各业有着广泛的应用,在此背景下本课题将联合机器学习的算法进行土壤湿度的反演的研究,使土壤反演更加的可靠、准确和智能化。本文从GNSS-R反演技术以及卫星载波信号特性的原理出发,对土壤湿度反演方法和过程进行了系统、探索性的研究,主要研究内容如下:(1)总结了GNSS-R与传统土壤测量技术的优缺点,详细的介绍了卫星信号的载波特性,多路径效应基本理论及产生的原因,信噪比基本理论等。推导和分析了信噪比、多路径效应、卫星信号载波三者的关系,系统的介绍了GNSS-R反演技术的基本理论。(2)探讨和研究了信噪比数据及特征参数的处理方法,利用多项式拟合分离反射信号,频谱分析和最小二乘拟合获取振幅和相位等参数。同时探讨分析信噪比特征参数与环境的相关性,研究降雨以及高程变化对特征参数的影响。(3)针对传统反演模型建模复杂,模型不具有广泛性等一些列缺陷,本文结合当下的机器学习热潮,探讨性的提出利用神经网络算法和遗传算法进行土壤湿度反演方面的研究,充分发挥它们所具有的学习能力强、记忆能力突出、抗干扰性能优越、能够解决大量的复杂棘手的非线性问题等优势。同时在研究中针对传统BP神经网络在反演方面容易陷入局部最小值、无法获取最优解等问题,提出采用遗传算法优化的BP神经网络和小波优化的BP神经网络来提高反演精度,充分发挥遗传算法的强大全局搜索能力和小波函数的数据处理优势,建立了XB-BP反演模型,GA-BP反演模型。(4)通过实验数据对三种网络模型进行训练学习,预测等分析,结果表明预测能力方面,小波BP神经网络和遗传算法BP神经网络的学习、预测能力比传统线下模型反演预测能力高,其中遗传优化的BP网络在土壤湿度反演预测表现最稳定、精度最高。
李美琦[7](2020)在《混合智能优化算法在煤层气储层裂隙检测中的应用研究》文中研究指明煤层气储层中裂隙的发育及空间展布特征对煤层气的勘探、开发和利用具有至关重要作用,裂隙参数的评价对煤系地层中煤与气的勘探和开采具有重要意义。裂隙是流体存储和运移的场所,影响着煤矿的安全生产和煤层气的开发利用。煤层气储层的岩石物理特性具有强的非线性特征,通过岩石物理实验和数值模拟可以建立煤岩微观形态特征与其宏观岩石物理性质之间的非线性关系。论文首先计算了相干属性、方位角倾角属性、曲率属性、构形张量属性、加权瞬时频率属性等地震属性参数,分析了各方法在煤层气储层裂隙检测中的应用及效果。研究表明:不同的地震属性可以从不同的角度刻画煤层气储层裂隙特征,基于梯度结构张量的方位角属性从大尺度上反映了断裂、孔隙构造的分布系统,倾角属性反映了目的层面与裂隙展布面的差异性;构形张量属性增强了该特征在地震剖面上的显示,强化了裂隙发育区的边界范围;加权瞬时频率属性从吸收衰减的角度反映地层的低频、低速带,对垂直裂隙敏感。进一步研究了以神经网络作为基础,分别用鲸鱼优化算法和遗传算法改进BP神经网络,提高算法鲁棒性,寻找全局最优解,采用优选改进的神经网络方法用于煤层气储层裂隙检测。在实际地震数据中提取相干属性、方位角倾角属性、曲率属性、构形张量属性、加权瞬时频率属性,分别进行分析解释,并将其作为改进的BP神经网络的输入数据,进行煤层气储层裂隙综合检测分析。以井数据等作为鲸鱼优化算法改进的BP神经网络(Whale Optimization Algorithm-Back Propagation,WOA-BP)的输出评判标准,对研究区域煤层气储层裂隙进行综合检测,结果表明:WOA-BP网络能够继承和发展已有属性的优势,同时对于煤层气储层裂隙的指示和刻画更加细致,层次结构清晰,指向性明显。鲸鱼优化算法和遗传算法可以优化BP神经网络的初始参数、连接权值和阈值,提高BP神经网络的全局搜索能力、计算精度和稳定性;在计算精度和稳定性方面,鲸鱼优化算法对BP神经网络优化的效果较遗传算法效果好。基于鲸鱼优化算法的混合智能非线性算法在煤层气储层裂隙的综合检测中达到了预期效果,为煤层气储层裂隙检测提供了新方法、新途径,进而为煤层气有利富集区的预测和评价提供依据。
袁炜楠[8](2019)在《基于高光谱的水稻叶片叶绿素含量估算研究》文中研究说明随着人口数量的增长,对水稻的需求量日益增大,水稻生长状况和产量问题成为研究的热点,其中影响作物生长最主要的因素是叶绿素,叶绿素的含量能准确反映水稻的长势状况并能估算水稻的产量。传统叶绿素分析方法采用化学试验进行获取,其具有破坏性、耗时长且成本高,高光谱技术利用高光谱波段对作物的叶绿素值进行反演,快速、无损且研究范围广,高光谱技术的发展为上述问题提供了很好的解决方法,本研究采用高光谱技术对水稻叶片叶绿素含量进行反演,光谱波段的冗余会对数据的处理造成不便,本研究重点对高光谱数据进行降维,依据降维后的光谱波段建立估算叶绿素的模型,对传统问题的弊端进行改善。本论文对辽宁省沈阳市沈阳农业大学的卡力玛院士工作站获取的数据进行分析,首先对水稻叶片高光谱数据进行降维,其次依据降维后的数据建立估算叶片叶绿素含量的回归分析模型以及BP、RBF和GA-BP神经网络模型。本文主要的分析研究内容如下:(1)针对高光谱数据的高维特性所涉及的问题,应用四种降维方法即植被指数、主成分分析法、SPA特征波段提取以及基函数展开法对本文研究的736组叶绿素敏感的400~1000nm波段进行数据降维,降维的方法如下:对光谱数据采用两两波段随机组合构建了植被指数NDVI、RVI、DVI和RDVI,发现NDVI以及DVI的最佳光谱波段均为538和698nm,相关系数依次为0.699和0.679,DVI最佳光谱波段为504和708nm,相关系数为0.662;应用主成分分析法找到波段的主成分,发现前9个主成分的累积贡献率已达到99.928%,这说明这9个主成分能很好的概括原始变量,使400~1000nm波段的601维数据降到9维;SPA特征波段提取法最终筛选的波段为538、678、691和711nm四个波段,使400~1000nm波段的601维数据降到4维;应用基函数展开法对叶绿素敏感的400~1000nm波段进行Gram_Schmidt变换找到投影空间,构造集中波段信息的主基底进行光谱数据降维,使其从601维降到48维。(2)依据四种降维方法降维后的光谱数据建立估算水稻叶片叶绿素含量的回归分析模型与BP、RBF和GA-BP神经网络模型,并进行对比分析。结果表明基于基函数展开构建的水稻叶片叶绿素含量回归模型训练集R2为0.688,RMSE为1.26,验证集R2为0.692,RMSE为1.20,是高光谱反演水稻叶片叶绿素含量估算回归模型中的最优模型;基于基函数展开构建的水稻叶片叶绿素含量GA-BP神经网络模型为神经网络模型中的最优模型,训练集R2为0.736,RMSE为1.02,验证集R2为0.755,RMSE为1.01;上述两种最优模型相比,基于基函数展开构建的水稻叶片叶绿素含量GA-BP神经网络模型为所有模型中最优的。
杨禄[9](2019)在《基于优化BP神经网络的遥感影像荒漠化分类与变化监测研究》文中提出第六次全国荒漠化土地监测工作将于2019年全面开展,实时的、精准的判断荒漠化土地的变化情况,在节约社会资源的同时,有效的实现点对点精准治理,为荒漠化土地的科学治理奠定良好的基础。做好荒漠化土地变化监测工作是保护生态系统、维护生态系统稳定性、推进荒漠化治理和多元化生态补偿机制的重要举措。利用遥感技术或BP神经网络对荒漠化土地进行分类和变化监测,都存在一定问题,传统的遥感分类方法过多依赖于影像质量;BP神经网络学习速度慢、对目标误差的趋近速度慢,这些问题都可能对遥感影像分类产生不良影响。本文通过研究提出了一种GA结合PSO优化的BP神经网络遥感影像分类方法,并应用于遥感影像荒漠化分类与变化监测,本文的研究工作主要包括:1)基于对BP神经网络、遗传算法(GA)、粒子群算法(PSO)、Alexnet卷积神经网络模型的实现过程、优缺点的研究,在此基础上提出一种GA结合PSO优化的BP(GA-PSO-BP)神经网络遥感影像分类方法,将其应用于遥感影像分类工作中,实验结果表明GA-PSO-BP遥感影像分类方法,可以较好的提高遥感影像的分类精度并且减少网络收敛所需要的时间。2)以广西桂林雁山镇部分区域遥感影像作为训练区,将训练区内地类分为6类,根据一定的原则和不同的尺度,采集了500个多尺度样本;对训练区与测试区影像进行影像预处理(图像增强)工作,减少影像本身带来的分类误差。3)基于训练样本和预处理后的训练区遥感影像,分别进行BP、GA-BP、PSO-BP、GA-PSO-BP、CNN-Alexnet神经网络遥感影像分类实验,对分类结果进行混淆矩阵精度分析,并将GA-PSO-BP遥感影像分类模型用于另外两个不同的实验区,以此验证分类模型的可移植性。实验结果表明GA-PSO-BP神经网络模型简单易操作,对样本数据集的仿真误差为10.0104,分类效率高、精度高、具有较好的可移植性。4)基于GA-PSO-BP神经网络遥感影像分类方法,对测试区2005年、2010年、2016年影像进行分类,采用差分法对分类后结果进行变化监测,最后对变化监测结果进行分析,总结产生变化的原因,提出合理的治理建议。本文提出的GA-PSO-BP神经网络遥感影像分类方法,在网络收敛所需要的时间方面有所减少、且结构简单、学习稳定、易操作,对样本的尺寸没有特定要求,提高了遥感影像分类和变化监测的精度。
王永刚[10](2015)在《集结科研生产最新成果,铸就油气物探一流平台——2014年《石油地球物理勘探》评述》文中研究表明2014年《石油地球物理勘探》共出版6期正刊(161篇)、1期增刊(42篇),合计发表论文203篇。本文对6期正刊按地震数据采集方法与技术、地震数据处理方法与技术、地震反演与综合分析研究、偏移成像、地震正演模拟、地震地质、岩石物理、综述和非地震等9大类分别进行评述。本年度论文总体呈现中青年、高学历作者占据多数,作者所属单位范围不断扩展,得到国家级和省部级各类基金或项目资助的论文显着增加,出版周期稳定在1618个月等特点。2014年该刊所发表文章客观全面展示了中国油气物探领域科研生产的最新成果,发表论文的质量较高,内容普遍具有创意,基本铸就了油气地球物理勘探的一流平台。最后,笔者针对该刊的现状提出几点改进建议。
二、自适应GA-BP优化方法进行高分辨率反演(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、自适应GA-BP优化方法进行高分辨率反演(论文提纲范文)
(1)计算光学成像:何来,何处,何去,何从?(论文提纲范文)
0 引言 |
1 计算光学成像:何来? |
1.1 成像系统的雏形 |
1.2 光学成像系统的诞生——金属光化学摄影 |
1.3 第一次成像革命——感光版光化学摄影 |
1.4 第二次成像革命——胶卷光化学摄影 |
1.5 第三次成像革命——数码相机 |
1.6 第四次成像革命——计算成像?! |
2 计算光学成像:何处? |
2.1 功能提升 |
2.1.1 相位成像 |
2.1.2 光谱成像 |
2.1.3 偏振成像 |
2.1.4 三维成像 |
2.1.5 光场成像 |
2.1.6 断层(体)成像 |
2.1.7 相干测量 |
2.2 性能提升 |
2.2.1 空间分辨 |
2.2.2 时间分辨 |
2.2.3 灵敏度 |
2.2.4 信息通量 |
2.3 成像系统简化与智能化 |
2.3.1 单像素成像 |
2.3.2 无透镜成像 |
2.3.3 自适应光学 |
2.3.4 散射介质成像 |
2.3.5 非视域成像 |
2.3.6 基于场景校正 |
3 计算光学成像:何去? |
3.1 优势 |
3.1.1“物理域”和“计算域”的协同 |
3.1.2 潜在的“通用理论框架” |
3.2 弱点 |
3.2.1 成本与代价 |
3.2.2 数学模型≈甚至于≠物理过程 |
3.2.3 定制化vs标准化 |
3.2.4 技术优势vs市场需求 |
3.3 机会 |
3.3.1 科学仪器 |
3.3.2 商业工业 |
3.3.3 国防安全 |
3.4 威胁 |
4 计算光学成像:何从? |
4.1 新型光学器件与光场调控机制 |
4.2 高性能图像传感器的发展 |
4.3 新兴的数学与算法工具 |
4.4 计算性能的提升 |
4.4.1 专用芯片 |
4.4.2 新材料和新器件 |
4.4.3 云计算 |
4.4.4 光计算 |
4.4.5 量子计算 |
4.5 人工智能 |
5 结论与展望 |
(2)基于图像处理的27.5kV电气化铁路棒式绝缘子表面缺陷识别(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题背景及研究意义 |
1.2 绝缘子表面缺陷识别国内外研究现状 |
1.2.1 基于图像处理的绝缘子缺陷识别国内研究现状 |
1.2.2 基于图像处理的绝缘子缺陷识别国外研究现状 |
1.3 论文主要研究内容 |
2 绝缘子表面缺陷识别系统组成 |
2.1 系统硬件组成 |
2.1.1 相机选择 |
2.1.2 光源选取 |
2.1.3 绝缘子图像采集软件平台 |
2.2 相机标定 |
2.2.1 小孔成像模型 |
2.2.2 张正友相机标定法 |
2.3 绝缘子表面缺陷识别系统算法流程 |
2.4 小结 |
3 绝缘子图像预处理 |
3.1 绝缘子图像去噪 |
3.1.1 中值滤波算法 |
3.1.2 小波阈值滤波算法 |
3.1.3 改进快速导向滤波算法 |
3.1.4 去噪仿真结果与分析 |
3.2 绝缘子图像增强 |
3.2.1 限制对比度的自适应直方图均衡化算法 |
3.2.2 增强仿真结果与分析 |
3.3 小结 |
4 绝缘子定位与识别 |
4.1 绝缘子区域定位 |
4.1.1 改进Canny算法边缘提取粗定位 |
4.1.2 Hough变换绝缘子区域精定位 |
4.2 改进GA-BP神经网络识别 |
4.2.1 改进GA-BP神经网络识别算法 |
4.2.2 识别仿真结果与分析 |
4.3 小结 |
5 绝缘子表面缺陷识别 |
5.1 绝缘子区域分割 |
5.1.1 基于Otsu的自适应阈值分割算法 |
5.1.2 形态学处理 |
5.2 基于Opencv的绝缘子表面缺陷识别 |
5.2.1 Opencv简介 |
5.2.2 最小二乘法拟合绝缘子直线 |
5.2.3 绝缘子表面缺陷识别及结果分析 |
5.3 小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间的研究成果 |
(3)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 |
(4)基于稀疏表征的高维地震信号反演方法研究(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 国内外研究历史与现状 |
1.2.1 高维地震信号反演框架的构建方法 |
1.2.2 高维地震信号反演目标的正则化方法 |
1.2.3 高维地震信号反演问题的优化求解方法 |
1.2.4 稀疏表征技术的研究现状 |
1.3 现有反演方法存在的不足 |
1.4 本文的主要贡献与创新 |
1.5 本论文的结构安排 |
第二章 基于字典学习与稀疏表征的高维地震信号反演方法 |
2.1 高维地震信号反演理论概述 |
2.1.1 正演模型建立 |
2.1.2 反演理论 |
2.2 基于字典学习与稀疏表征的高维地震信号反演算法 |
2.2.1 字典学习与稀疏表征 |
2.2.2 基于字典学习与稀疏表征的地震反演 |
2.3 反演结果评估 |
2.4 参数选择分析 |
2.5 实验与分析 |
2.5.1 理论数据 |
2.5.2 实际数据 |
2.5.3 实验结果讨论 |
2.6 本章小结 |
第三章 基于联合稀疏表征的多参数同步地震信号反演方法 |
3.1 传统多参数同步反演方法的缺陷 |
3.2 基于联合稀疏表征的多参数同步反演算法 |
3.2.1 弹性参数的联合稀疏表征 |
3.2.2 基于联合稀疏表征的多参数同步反演 |
3.3 拟牛顿共轭梯度迭代优化求解算法 |
3.4 实验与分析 |
3.4.1 理论数据 |
3.4.2 实际数据 |
3.5 鲁棒性分析 |
3.5.1 噪声强度的影响 |
3.5.2 训练样本数量的影响 |
3.6 本章小结 |
第四章 基于联合稀疏表征与高频预测的高分辨率地震反演方法 |
4.1 地震反演结果的频带分析 |
4.2 基于联合稀疏表征的高频预测方法 |
4.2.1 基于联合稀疏表征的图像超分辨率 |
4.2.2 基于联合稀疏表征的高分辨率地震反演 |
4.3 抑制过拟合 |
4.3.1 引入时空特征和结构特征 |
4.3.2 PCA降维处理 |
4.3.3 非局部均值滤波 |
4.4 实验与分析 |
4.4.1 参数选择分析 |
4.4.2 实际数据 |
4.5 本章小结 |
第五章 基于联合稀疏表征与空间结构约束的3D地震反演方法 |
5.1 二维图像中的结构张量 |
5.1.1 结构张量的概念 |
5.1.2 对结构张量的分析 |
5.1.3 张量扩散的基本原理 |
5.1.4 结构张量在图像恢复中的优势 |
5.2 基于稀疏表征与空间结构约束的3D地震反演方法 |
5.2.1 3D地震信号的结构张量 |
5.2.2 单参数3D地震信号反演方法 |
5.2.3 多参数3D地震信号反演方法 |
5.3 本章与前面章节的联系 |
5.4 实验与分析 |
5.5 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读博士学位期间取得的成果 |
(5)基于InSAR技术和BP神经网络的高速铁路沿线区域沉降监测与预测(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与研究意义 |
1.2 国内外研究现状 |
1.2.1 星载SAR卫星发展 |
1.2.2 InSAR技术的发展 |
1.2.3 BP神经网络预测模型 |
1.3 研究目的与论文结构 |
1.3.1 研究目的 |
1.3.2 论文内容安排 |
第二章 合成孔径雷达干涉测量原理与误差分析 |
2.1 合成孔径雷达成像原理 |
2.2 合成孔径雷达成像几何畸变 |
2.3 合成孔径雷达干涉测量技术 |
2.3.1 InSAR/D-InSAR技术原理 |
2.3.2 InSAR技术误差来源 |
2.4 时序InSAR技术 |
2.4.1 散射体类型 |
2.4.2 PS-InSAR技术 |
2.4.3 SBAS-InSAR技术 |
2.5 本章小结 |
第三章 BP神经网络预测模型 |
3.1 人工神经网络概述 |
3.1.1 神经元模型 |
3.1.2 激活函数类型 |
3.1.3 神经网络结构 |
3.1.4 神经网络学习 |
3.2 BP神经网络 |
3.2.1 BP神经网络正向传递 |
3.2.2 BP神经网络误差反向传递过程 |
3.2.3 BP网络神经网络的局限性 |
3.3 小波变换降噪原理 |
3.4 BP神经网络优化算法 |
3.4.1 BP算法优化 |
3.4.2 遗传算法优化 |
3.4.3 粒子群算法优化 |
3.5 本章小结 |
第四章 基于SBAS-InASR技术的高速铁路沿线区域沉降监测分析 |
4.1 研究区概况 |
4.2 数据源介绍 |
4.2.1 Sentinel-1数据介绍 |
4.2.2 其他相关数据 |
4.3 数据预处理 |
4.3.1 DEM正高到大地高转换 |
4.3.2 SAR数据读取 |
4.4 SBAS-InSAR技术处理 |
4.5 验证性分析 |
4.5.1 1A与1B升降轨沉降对比分析 |
4.5.2 监测结果验证分析 |
4.6 区域沉降分布特征分析 |
4.7 区域沉降影响因素分析 |
4.7.1 栏海盐田生产区沉降分析 |
4.7.2 油田开采区域沉降分析 |
4.7.3 区域沉降与降雨量及浅层地下水相关性分析 |
4.8 非均匀沉降对高速铁路的影响分析 |
4.9 本章小结 |
第五章 高速铁路沿线沉降预测分析 |
5.1 小波降噪处理 |
5.2 BP网络预测模型建 |
5.2.1 训练集与测试集的划分 |
5.2.2 沉降序列值预处理与函数选择 |
5.2.3 BP网络各层节点数确立 |
5.2.4 BP网络参数设置 |
5.3 BP网 络优化预测模型 |
5.3.1 基于遗传算法优化 |
5.3.2 基于粒子群算法优化 |
5.4 预测结果与对比分析 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 论文主要结论 |
6.2 展望 |
致谢 |
参考文献 |
附录A: 硕士期间发表论文成果 |
附录B:典型沉降点沉降序列值 |
(6)基于改进BP神经网络算法的GNSS-R土壤湿度反演研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状和进展 |
1.3 本文研究内容 |
第2章 GNSS-R技术相关理论 |
2.1 GNSS概述 |
2.2 多路基效应与信噪比基本理论 |
2.2.1 卫星信号载波特性 |
2.2.2 多路径效应基本理论 |
2.2.3 信噪比基本理论 |
2.2.4 信噪比数据与多路径载波关系 |
2.3 GNSS-R土壤湿度反演基本理论 |
2.3.1 双天线模式 |
2.3.2 单天线模式 |
2.4 本章总结 |
第3章 信噪比数据处理方法流程 |
3.1 引言 |
3.2 信噪比数据 |
3.3 信噪比数据处理流程 |
3.3.1 分离直射和反射信号 |
3.3.2 信噪比数据频谱分析 |
3.3.3 信噪比特征参数提取 |
3.4 地面高程的影响 |
3.5 本章总结 |
第4章 基于信噪比数据的土壤湿度反演方法研究 |
4.1 引言 |
4.2 实验数据及场所 |
4.2.1 测站及场地选择 |
4.2.2 实验数据 |
4.3 特征参数分析 |
4.3.1 特征参数的获取 |
4.3.2 特征参数与土壤湿度相关分析 |
4.4 基于机器学习算法的土壤湿度反演 |
4.4.1 BP神经网络 |
4.4.2 遗传算法和小波算法改进BP网络 |
4.4.3 建立改进后机器学习算法的反演模型 |
4.5 本章总结 |
第5章 结论与展望 |
致谢 |
参考文献 |
(7)混合智能优化算法在煤层气储层裂隙检测中的应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 选题依据及研究意义概述 |
1.2 国内外研究现状及发展趋势 |
1.2.1 煤层气储层裂隙检测国内外研究现状 |
1.2.2 智能优化算法研究现状及发展趋势 |
1.3 论文研究内容及技术路线 |
1.3.1 论文研究内容 |
1.3.2 论文技术路线 |
1.4 完成的主要工作量 |
1.5 主要成果与认识 |
第2章 研究工区概况与地震响应特征分析 |
2.1 工区地质地层概况 |
2.2 研究工区煤层气储层岩石物理特性 |
2.3 研究工区煤层气储层地震响应特征分析 |
2.4 本章小结 |
第3章 裂隙检测方法简介 |
3.1 相干属性 |
3.2 曲率属性 |
3.3 倾角方位角属性 |
3.4 构形张量属性 |
3.5 加权瞬时频率属性 |
3.6 本章小结 |
第4章 基于神经网络的煤层气储层裂隙检测优化方法 |
4.1 BP神经网络 |
4.2 鲸鱼优化算法原理 |
4.3 鲸鱼优化算法改进BP神经网络 |
4.4 遗传算法原理 |
4.5 遗传算法优化BP神经网络 |
4.6 三种神经网络的应用比较 |
4.7 本章小结 |
第5章 研究工区煤层气储层正演模拟 |
5.1 煤层气储层岩石物理建模 |
5.2 裂隙参数影响分析 |
5.2.1 煤层气储层裂隙密度对地震响应的影响 |
5.2.2 煤层气储层裂隙速度对地震响应的影响 |
5.2.3 煤层气储层裂隙纵横比对地震响应的影响 |
5.3 本章小结 |
第6章 煤层气储层裂隙地震多参数提取 |
6.1 方位角倾角属性 |
6.2 曲率属性 |
6.3 相干属性 |
6.4 构形张量属性 |
6.5 加权瞬时频率属性 |
6.6 本章小结 |
第7章 基于鲸鱼优化算法的煤层气储层裂隙综合优化检测方法 |
7.1 准备工作 |
7.2 基于WOA-BP网络模型的裂隙检测 |
7.3 本章小结 |
结论 |
致谢 |
参考文献 |
攻读学位期间取得学术成果 |
(8)基于高光谱的水稻叶片叶绿素含量估算研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究进展 |
1.3 研究内容和技术路线 |
1.3.1 研究内容 |
1.3.2 技术路线 |
1.4 论文结构安排 |
第二章 材料与数据采集 |
2.1 研究区域概况 |
2.2 数据获取 |
2.2.1 水稻叶片高光谱数据的采集 |
2.2.2 水稻叶片叶绿素含量的获取 |
2.3 高光谱数据特征分析 |
2.4 叶绿素数据特征分析 |
2.5 本章小结 |
第三章 水稻叶片高光谱数据降维研究 |
3.1 基于植被指数的高光谱数据降维 |
3.1.1 植被指数的选择 |
3.1.2 植被指数降维 |
3.2 基于主成分分析的高光谱数据降维 |
3.2.1 主成分分析 |
3.2.2 主成分分析降维 |
3.3 基于SPA特征波段提取的高光谱数据降维 |
3.3.1 SPA特征波段的提取 |
3.3.2 SPA特征波段提取降维 |
3.4 基于基函数展开法的高光谱数据降维 |
3.4.1 基函数展开法 |
3.4.2 基函数展开法降维 |
3.5 本章小结 |
第四章 水稻叶片叶绿素含量回归反演模型研究 |
4.1 基于单植被指数反演建模研究 |
4.1.1 线性反演模型 |
4.1.2 非线性反演模型 |
4.1.3 单植被指数回归模型对比分析 |
4.2 基于多植被指数反演建模研究 |
4.2.1 多植被指数反演模型 |
4.2.2 多植被指数回归模型对比分析 |
4.3 基于主成分分析反演建模研究 |
4.4 基于SPA特征波段提取反演建模研究 |
4.4.1 SPA特征波段反演模型 |
4.4.2 SPA特征波段回归模型对比分析 |
4.5 基于基函数展开反演建模研究 |
4.6 所有回归模型对比分析 |
4.7 本章小结 |
第五章 水稻叶片叶绿素含量神经网络反演模型研究 |
5.1 基于BP神经网络的叶绿素含量反演建模研究 |
5.1.1 BP神经网络的设置 |
5.1.2 BP神经网络建模 |
5.2 基于RBF神经网络的叶绿素含量反演建模研究 |
5.2.1 RBF神经网络的设置 |
5.2.2 RBF神经网络建模 |
5.3 基于GA-BP神经网络的叶绿素含量反演建模研究 |
5.3.1 GA-BP神经网络的设置 |
5.3.2 GA-BP神经网络建模 |
5.4 三种神经网络模型对比 |
5.5 本章小结 |
第六章 结论与展望 |
6.1 主要结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士期间发表论文 |
(9)基于优化BP神经网络的遥感影像荒漠化分类与变化监测研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.3 主要研究内容与技术路线 |
1.4 论文组织结构 |
第2章 神经网络模型与优化算法 |
2.1 BP神经网络 |
2.2 遗传算法(GA) |
2.3 粒子群算法(PSO) |
2.4 GA结合PSO优化的BP(GA-PSO-BP)神经网络模型 |
2.5 Alexnet卷积神经网络 |
2.5.1 卷积层 |
2.5.2 池化层 |
2.5.3 全连接层与输出层 |
2.5.4 卷积神经网络训练与迁移学习 |
2.6 本章小结 |
第3章 神经网络及其优化的遥感影像分类 |
3.1 WorldView-2 数据介绍 |
3.2 WorldView-2 遥感影像预处理 |
3.3 训练区样本数据采集 |
3.4 分类体系的建立 |
3.5 神经网络及其优化的遥感影像分类实验 |
3.5.1 基于BP神经网络的遥感影像分类实验 |
3.5.2 GA优化的BP神经网络遥感影像分类实验 |
3.5.3 PSO优化的BP神经网络遥感影像分类实验 |
3.5.4 GA结合PSO优化的BP神经网络遥感影像分类实验 |
3.5.5 基于Alexnet卷积神经网络的遥感影像分类实验 |
3.6 分类精度评价与比较 |
3.7 GA-PSO-BP遥感影像分类模型可移植性分析实验 |
3.8 本章小结 |
第4章 基于GA-PSO-BP的遥感影像荒漠化变化监测 |
4.1 测试区概况及数据介绍 |
4.2 测试区遥感影像预处理 |
4.3 基于GA-PSO-BP的测试区影像分类 |
4.4 测试区影像分类后变化监测及结果分析 |
4.5 本章小结 |
第5章 总结 |
5.1 论文主要工作及成果 |
5.2 创新点 |
5.3 下一步工作 |
参考文献 |
个人简历、攻读硕士期间发表的学术论文与参加的科研项目 |
致谢 |
(10)集结科研生产最新成果,铸就油气物探一流平台——2014年《石油地球物理勘探》评述(论文提纲范文)
1 2014年度《石油地球物理勘探》概况 |
2论文评述 |
2.1地震资料采集方法与技术 |
2.1.1激发震源 |
2.1.2接收电缆 |
2.1.3采集工艺 |
2.1.4采集方法分析 |
2.2地震数据处理方法与技术 |
2.2.1提高信噪比的处理方法 |
2.2.2提高分辨率的处理方法 |
2.2.3提高保真度的处理方法 |
2.2.4目标处理方法 |
2.2.5特殊处理方法 |
2.3地震反演与综合分析研究 |
2.3.1裂缝型储层预测技术 |
2.3.2油气或流体识别技术 |
2.3.3岩相或岩性体识别技术 |
2.3.4储层参数反演技术 |
2.3.5地震属性应用 |
2.3.6反演算法研究 |
2.3.7综合分析研究 |
2.4偏移成像 |
2.4.1叠前深度偏移方法 |
2.4.2正则化方法 |
2.4.3叠前时间偏移方法 |
2.5地震正演模拟 |
2.5.1复杂介质正演模拟 |
2.5.2边界条件 |
2.5.3射线追踪法 |
2.5.4波动方程法 |
2.6地震地质 |
2.6.1地震沉积学研究 |
2.6.2沉积相分析 |
2.6.3烃类物质富集规律研究 |
2.7岩石物理 |
2.7.1测定测试及其分析 |
2.7.2虚拟岩石物理 |
2.7.3地震物理模拟 |
2.8综述 |
2.9非地震 |
2.9.1井间与井海电磁法 |
2.9.2大地电磁法及其应用 |
2.9.3重力法 |
3结束语 |
四、自适应GA-BP优化方法进行高分辨率反演(论文参考文献)
- [1]计算光学成像:何来,何处,何去,何从?[J]. 左超,陈钱. 红外与激光工程, 2022
- [2]基于图像处理的27.5kV电气化铁路棒式绝缘子表面缺陷识别[D]. 陈国翠. 兰州交通大学, 2021(02)
- [3]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)
- [4]基于稀疏表征的高维地震信号反演方法研究[D]. 厍斌. 电子科技大学, 2021(01)
- [5]基于InSAR技术和BP神经网络的高速铁路沿线区域沉降监测与预测[D]. 游洪. 昆明理工大学, 2021(01)
- [6]基于改进BP神经网络算法的GNSS-R土壤湿度反演研究[D]. 乔家原. 西南交通大学, 2020(07)
- [7]混合智能优化算法在煤层气储层裂隙检测中的应用研究[D]. 李美琦. 成都理工大学, 2020(04)
- [8]基于高光谱的水稻叶片叶绿素含量估算研究[D]. 袁炜楠. 沈阳农业大学, 2019(03)
- [9]基于优化BP神经网络的遥感影像荒漠化分类与变化监测研究[D]. 杨禄. 桂林理工大学, 2019(05)
- [10]集结科研生产最新成果,铸就油气物探一流平台——2014年《石油地球物理勘探》评述[J]. 王永刚. 石油地球物理勘探, 2015(04)