一、人工神经网络方法在力学反问题研究中的应用（论文文献综述）
李久辉[1]（2021）在《地下水LNAPLs污染溯源辨析》文中研究说明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。
闫雪嫚[2]（2021）在《基于贝叶斯理论的地下水DNAPLs污染源反演识别研究》文中研究说明石油类产品在开采运输等过程中的泄露、工业废水的不合理排放以及工业生产过程中各种事故的突发等,均可能导致污染物进入地下水环境,危及饮用水安全和生态环境。不同于地表水污染或大气污染易于察觉,地下水污染具有存在的隐蔽性和发现的滞后性特点。及时了解和掌握地下水污染源的相关状况,如污染源的个数、空间位置和释放历史,是开展地下水污染修复治理、风险评估和责任认定的重要前提。因此,有关地下水污染源反演识别的研究就显得格外重要。地下水污染源反演识别是根据有限的监测数据,结合现场调查、专业知识和专家经验等辅助信息,对描述地下水污染的数值模拟模型进行反演求解,从而识别确定含水层中地下水污染源的相关信息,包括污染源的个数、空间位置以及释放历史。这是地下水污染修复治理的首要步骤。地下水污染源反演识别是一种典型的反演问题（反问题）,反演问题大都具有非线性和不适定性的特点,导致其求解难度较大。因此,目前地下水污染源反演识别仍是地下水污染研究中一个具有挑战性的研究课题。基于此,本文面向地下水污染修复治理的实际需求,采用理论分析与实例研究相结合的方法,对地下水重非水相流体（Dense non-aqueous phase liquid,DNAPLs）污染源反演识别开展了深入研究。首先,通过文献调研与分析,构建了一套基于贝叶斯理论的地下水DNAPLs污染源反演识别研究方法体系,该方法体系共包括三部分:（1）基于贝叶斯理论的最优试验设计方法。在污染源反演识别过程中应用该方法确定最优的监测井位置,以获取与污染源反演识别关联性最强的监测数据。（2）多链马尔科夫链蒙特卡洛（Markov Chain Monte Carlo,MCMC）算法—DREAM算法的改进算法,即DREAMG算法。将其应用于地下水DNAPLs污染源反演识别,加快了采样过程的收敛速度并提高了反演识别精度;（3）应用深度学习方法—深度残差网络（Res Net）方法建立多相流数值模拟模型的替代模型,并与运用克里格（KRG）方法和支持向量回归（SVR）方法建立的替代模型进行对比,分析了Res Net替代模型的适用性。建立替代模型的目的是减小最优试验设计和反演识别过程中因成千上万次运行模拟模型而造成的庞大计算负荷。然后,设计不同情形的理想数值算例,通过算例测试,对该研究方法体系的适用性与有效性进行理论分析研究。最后,在充分利用理论分析研究成果的基础上,以西北地区某实际污染场地为实例研究区,根据研究区的实际需求,结合现场调查与采样监测,对研究区地下水DNAPLs污染源反演识别开展了系统性研究,对研究区未知的污染源信息和含水层参数进行同步反演识别。通过上述研究,得到以下主要结论:（1）无论是理想数值算例还是实例应用研究,Res Net替代模型的精度均高于KRG和SVR替代模型,说明Res Net替代模型对多相流数值模拟模型的逼近精度更高。通过将深度学习理论与方法的引入,能够有效解决地下水DNAPLs污染多相流数值模拟模型输入与输出之间存在复杂非线性映射关系的问题。（2）本文所提出的最优试验设计方法是合理有效的。综合应用贝叶斯试验设计、相对熵、0-1整数规划优化模型等多种理论与方法进行地下水DNAPLs污染反演识别过程中的监测井位置最优试验设计,所得到的最优监测方案与其它随机监测方案相比,能够有效提高地下水DNAPLs污染源反演识别精度。（3）联合运用GLUE方法和DREAM算法,研究构建了DREAMG算法,并通过理想数值算例分析该算法的适用性和有效性。结果表明:与DREAM算法相比,DREAMG算法不仅能够有效加快采样过程的收敛速度,还能有效提高反演识别精度。DREAMG算法有效解决了DREAM算法未对迭代初始种群进行优选的不足。（4）运用所构建的DREAMG-MCMC方法对实例研究区的地下水DNAPLs污染源进行了反演识别,反演识别结果精度良好。这说明本文求得的反演识别结果能够进一步完善研究区地下水DNAPLs污染多相流数值模拟模型使其更加切合实际状况。综上所述,本文的研究不仅丰富和拓展了地下水DNAPLs污染源反演识别的理论基础与技术内涵,还可为污染场地的污染修复治理工作提供了科学依据。
赵颖[3]（2021）在《电磁计算高性能算法研究》文中研究说明计算电磁学作为一门汇聚了电磁学、计算机科学和数值计算方法等学科知识的交叉学科,为研究当今时代无处不在的电磁现象提供了理论和技术支持。以Maxwell方程组为核心的电磁场正问题分析和反问题求解是计算电磁学研究中的重要部分,正问题可以归结为在不同的电磁环境参数下求解Maxwell方程组,反问题则可以看作在已知电磁响应的基础上反向寻找对应的电磁环境参数,针对它们的高效率、高精度的求解算法一直以来都是科学工程计算中极具挑战但又富含机遇的一项工作。本文基于目前时域电磁学中一类正问题和一类反问题所面临的计算挑战,结合传统数值计算方法和机器学习方法,研究它们的快速高效的解决方案。主要研究内容分为如下两个方面:（1）针对电磁散射分析的正问题研究,传统的DGTD数值方法通常受限于巨大的离散自由度,特别是对于参数化的电磁问题,计算成本往往是巨大且不可承受的。为了提高计算效率,本文设计了基于两步本征正交分解技术（POD）和高斯过程回归方法（GPR）的一种非入侵式降阶建模（NIROM）算法（命名为POD-GPR算法）,以数据驱动的方式来近似降阶系数与时间及参数之间的非线性关系,从而实现了线上查询与线下物理建模的完全解耦。误差分析和数值实验结果展示了POD-GPR算法的有效性和优越性,在保证较高的精确度下,其效率远高于传统的DGTD方法。（2）动态可调电磁超表面是一种灵活控制电磁波的新兴手段,其电磁响应与材料参数（如动态张量电磁极化率（?））之间的关系一般由广义临接条件（GSTCs）来进行表征。然而,当涉及控制与设计（?）值的反问题时,GSTCs由于需要复杂的积分和除法运算,通常难以被用来根据电磁响应解析求解（?）。本文将求解动态（?）的反问题转化为一个序列控制问题,基于FDTD数值模拟,采用近端策略优化（PPO）强化学习算法和神经网络相结合的方式来设计出一种智能高效的、不依赖人类协助的、广泛适用的（?）求解算法（命名为GSTCs-PPO算法）,辅助动态可调电磁超表面的控制与设计,促进电磁超表面应用范围的进一步拓展,实现对电磁波更灵活有效的控制。数值结果展现了GSTCs-PPO算法的可行性、正确性和有效性。
杨亮亮[4]（2021）在《热损耗条件下平板试样热参数测量技术研究》文中进行了进一步梳理导热系数、传热系数、边界形状等热参数在航空航天热防护、发动机散热、核电站安全等领域扮演十分重要的角色。其准确测量对安全运行及热防护设计等具有重要意义,然而受限于恶劣工作条件或空间等,往往无法通过测量直接获得。导热反问题方法为测量此类参数提供了一个有效途径。热参数测量受热损耗影响较大,因此热损耗条件下提高热参数的测量精度的测量技术研究,具有十分重要的科学价值和实用意义。换热或传热设备中温度更容易测量,基于某刻、某段时间内测点的温度信息来识别热参数是一种间接测量技术。该技术对目标没有特殊要求,适用领域广,容易操作实现,特别适合于空间有限、结构或工况复杂设备的热参数的测量。本文采用基于温度的间接测量技术求解导热系数、传热系数和未知边界形状,旨在:研究有损耗情况下基于第二类边界条件导热系数测量模型的构建,解决传统模型基于实测数据测量时结果误差大的问题;研究有热损耗下基于第三类边界条件下传热系数测量模型构建,解决利用传统模型求解的结果构建温度场时温差偏大的问题;研究边界形状反演测量的一种新算法,解决当前传统算法反演结果易受初值和测量点数量影响的问题。研制导热系数、传热系数反演装置,解决目前缺少实测验证研究的问题。基于以上目的,本文开展导热系数、传热系数、边界形状的测量技术的研究工作,本文的主要研究内容如下:针对传统模型基于实测温度测量导热系数存在误差大的问题,构建了一种热损耗下基于第二类边界条件的导热系数测量模型-虚拟薄板。概述了传统模型存在缺少热损耗项的估计导致误差较大的问题。在考虑热损耗的情况下,通过推导研究了模型的热损耗和温度场之间的关系,提出了有损耗下导热系数测量模型的实现方法。仿真结果表明,相比传统模型,虚拟薄板的反演结果不受热损耗的影响,提高了测量的精度。针对面向工程化应用中利用传统模型测量求解的传热系数构建温度场存在温度偏差大的问题,构建了一种有热损耗情况下基于第三类边界条件的传热系数测量模型-局部模型。根据工程问题中热损耗存在的位置,推导了其对测量模型的影响,构建了热损耗与测点温度之间的关系,实现了包含热损耗时的测量求解。有损耗下的仿真结果表明,局部模型克服了传统模型易受热损耗的影响问题,将测量值的相对误差从-7.12%降低到0.5%以内。针对传统最优化算法等在边界形状求解中精度易受测点数量等的影响,提出了一种基于第三类边界条件的边界形状反演新算法。研究了测点温度和待求边界位置之间的内在规律,建立了测点温度和边界位置之间算法求解模型,该算法避免了目标函数梯度解算步骤,为边界形状求解提供了一种新思路。仿真结果表明,相比主流的共轭梯度法,在测量点数较少时新算法将反演结果的平均相对误差从20.1%降低到了1.6%,提高了测点较少时的反演测量的精度。针对导热系数测量研究缺少工程化实测验证的问题,研制了基于第二类边界条件的导热系数测量实验装置。根据实际求解的需求,设计了实验装置的温控系统、机械系统和应用程序。实测结果表明,相比传统反演模型,新模型将测量值的相对误差从-14.76%降低到-4.67%。针对传热系数反演测量研究缺少工程化实测验证的问题,研制了基于第三类边界条件的非稳态传热系数实验装置。设计了加热系统,保温防护装置,机械系统和应用程序。实测结果表明,相比传统模型,局部模型将利用测量值获得的温度场与实际温度的偏差从-0.30℃降低至±0.02℃。
包俊[5]（2020）在《钛合金板材电涡流无损检测与定量化评估研究》文中进行了进一步梳理钛合金是一种新兴的结构材料,因其优越的综合性能而被广泛应用于各行各业。在各类钛合金加工材中,板材的应用最为广泛,产量也最高,近年来占到总产量的50%以上。钛合金板材在轧制过程中难免会产生一些质量问题,例如厚度不均匀、同板差超差,以及表面质量不佳,出现裂纹、麻坑等缺陷。电涡流检测是一种基于电磁感应的无损检测技术,被广泛应用于金属材料的无损检测与评估中,相比其他无损检测技术,具备高效、低成本、无污染等优势。而使用电涡流检测技术对钛合金板材进行无损检测时,仍面临着检测信号易受噪声干扰、厚度测量反演繁琐,以及缺陷的分类识别、定量化评估精度不足等问题。本文在讨论了钛合金板材轧制过程中可能出现的质量问题后,结合国内外研究现状,开展了钛合金板材电涡流无损检测与定量化评估研究,主要的研究工作如下:（1）针对钛合金板材缺陷电涡流检测图像的降噪预处理问题,研究了一种主元分析（Principal Component Analysis,PCA）联合局部线性嵌入（Locally Linear Embedding,LLE）的降噪方法。利用PCA方法对电涡流检测图像进行初步的处理,去除较大噪声。然后,使用LLE算法在像素点的可变邻域内自动搜索最近邻数据,并采用近邻数据的局部最优线性组合替代像素,在进一步精细降噪的同时,可保持图像局部几何结构。实验表明,在输入信噪比为15d B～30d B的条件下,输出信噪比可达26.80～39.89d B,电涡流检测图像信噪比平均提高11.16d B,证实了该方法对钛合金板材缺陷电涡流检测图像降噪预处理的有效性。（2）针对传统电涡流测厚方法难以直接通过检测信号反演板材厚度的问题,提出了一种钛合金板材电涡流解析模型与改进的厚度测量方法。结合钛合金板材低电导率、非铁磁的电磁特性,在特定测量条件下建立了一种新的解析模型,用于描述电涡流探头差分电压实部与钛合金板材厚度的关系。最后基于改进的解析模型提出一种快速、准确的钛合金板材电涡流测厚方法。该方法可直接根据标定信号计算钛合金板材的测量厚度,不需要通过预先获得的实验记录进行对比,也不需要预先求解复杂的正演模型。实验结果表明,6mm厚度范围内冷轧薄钛板的厚度测量误差不超过±0.14mm,远小于现行钛工业标准规定的±0.35mm。（3）针对传统机器学习方法难以在不同工况下对质量各异、高维非线性的钛合金板缺陷电涡流检测图像信息进行准确、有效分类的问题,提出了一种栈式稀疏降噪自编码（Stacked Sparse Denoising Autoencoder,SSDAE）深度神经网络的钛合金板材缺陷电涡流检测图像分类方法。该方法将稀疏性限制引入降噪自编码器（Denoising Auto Encoder,DAE）,并在此基础上将多个DAE进行栈式组合构建深度神经网络。训练后的网络模型在不同工况下均能有效地对钛合金板缺陷进行分类识别,有较好的鲁棒性。实验结果表明,在输入信噪比大于26d B时,该方法的分类准确率高于97%;当输入信噪比逐渐下降时,分类准确率也能保持较高水平,在环境复杂的钛合金板生产线上,具有抗干扰、性能稳定等优势。（4）针对钛合金板材缺陷定量化评估中,电涡流检测图像难以人工设计特征,使用常规的回归方法需要设计复杂目标函数等问题,研究了一种基于深度置信网络（Deep Belief Network,DBN）和最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）的钛合金板缺陷缺陷定量化评估方法。在正确缺陷分类的基础之上,利用DBN从钛合金板材缺陷的电涡流检测图像中提取有效特征,并采用LSSVM算法建立钛合金板缺陷参数的多目标回归模型,实现对钛合金板材缺陷的定量化评估。实验结果表明,缺陷评估的相对误差和重复性标准差分别小于4.1%和0.12mm,与其他常规方法相比,该方法具有更高的准确性和可重复性。（5）完成了钛合金板材电涡流无损检测系统的设计和开发。对系统需求进行了综合的分析,设计了检测系统的总体架构,并模块化实现了检测系统的软硬件功能。最后将前述研究的厚度测量模型、分类识别和定量化评估智能算法在系统中进行了集成。钛合金板材缺陷电涡流检测、分类识别和定量化评估应用实例证实了所开发系统的有效性和实用性。
孙策[6]（2020）在《基于CA-MCMC方法的河流突发水污染溯源研究》文中提出现如今我国正处于产业结构转型和升级的重要时期,工业化和城市化的迅猛发展除了带来巨大的经济效益和社会效益外,也加剧了我国环境污染的困境。工业生产过程中违法超标排放所导致的水污染、大气污染、固废污染不断凸显。据相关统计近年来我国发生环境污染事故中,水污染事故占总数一半以上,这其中尤以突发地表水污染占比最高且影响最大。因此要重点加强对突发水污染事件的源头控制和快速应对,提高突发事件的应急监测能力,从而及时准确的锁定污染源信息,评估污染事故的等级和影响范围,为科学决策提供强有力的支撑。本文针对河流突发水污染溯源问题,构建基于元胞自动机（CA）的污染物迁移扩散模型,改进马尔科夫蒙特卡洛（MCMC）溯源算法,提出新的CA-MCMC溯源方法及框架。主要工作内容如下:（1）对不同排放类型和扩散阶段的污染物扩散迁移机理进行论述。在此基础上建立了一维、二维河流突发点源污染物瞬时、连续排放模型。并对污染物溯源原理进行了阐述,给出了不同待溯源参数的具体求解方法。（2）为降低溯源解的不确定性,从贝叶斯推理的角度,研究了基于马尔科夫蒙特卡洛方法的河流突发水污染溯源算法。将污染物溯源问题转化为贝叶斯估计问题,通过历史先验信息和监测断面观测值序列,结合二维污染物迁移扩散数学模型,用概率分布来描述溯源解估计值。（3）为改善马尔科夫蒙特卡洛方法的抽样效率,对常用的标椎M-H抽样方法进行了改进。在每一次根据建议分布生成样本值时,增加一个用以判断样本值是否满足于后验概率密度函数的条件,以使样本区间更快更准确地趋近真实值。（4）将污染物迁移扩散模型与污染物溯源模型集成。为提高溯源精度,降低污染物扩散模型的不确定性,构建了 CA模型用于污染物迁移扩散过程的模拟。结果表明CA模型对于不同排放情景下的适用性很好,能够较好地再现污染物传递输移过程,并且提高了溯源解的精度和求解效率。（5）为验证CA-MCMC溯源方法的适用性及可靠性,设计并进行了点源污染物岸边连续排放和瞬时排放两类模型实验,将CA-MCMC方法的溯源结果与实测值进行对比,验证了该溯源方法的适用性。
张湛明[7]（2020）在《双向神经网络及其在复合材料参数反求中的应用》文中进行了进一步梳理计算反求方法可以对复杂结构中难以确定的内部特性和外部环境参量进行反求,为诸多实际工程问题提供了有效的解决手段。然而,实际工程问题往往十分复杂导致计算规模较大,而且很多参量反求问题往往是不适定的,病态的系统核矩阵和测量响应中的噪声会严重影响反求的精度和稳定性。基于人工神经网络良好的非线性映射能力和全局收敛性,刘桂荣教授从物理模型和数据模型的特点出发,提出了双向喇叭神经网络直接权值反求理论,利用充分训练后的正问题神经网络推导得到具有参数识别能力的反问题神经网络,避免了反问题神经网络的训练,大大提高了计算反求的效率。然而,该方法在对正问题的权值矩阵进行广义逆处理时,需引进正则化参数提高其抗噪性和求解的稳定性。如果正则化参数选取不当,将直接导致反求结果严重偏离真实值。本文针对双向神经网络计算反求理论展开系统的研究,力求在克服该方法求逆时系统和函数的病态性方面做出一些卓有成效的尝试和探索。以下为本文主要研究内容:（1）提出了双向筒子神经网络计算反求方法。将正、反问题神经网络中每层神经元的个数设为与待求参数的个数相等。当正问题模型的输出响应多于待反求参数时,用主成分分析进行降维保证输出响应信息的损失尽可能少。该方法充分利用了方阵可直接求逆的特点,有效规避了反求时正则化项的引进,从而克服了双向神经网络系统和函数的病态问题。（2）提出了用正问题神经网络作为代理模型训练反问题神经网络的方法。将训练好的正问题神经网络作为正问题求解器生成反问题神经网络的训练数据。训练反问题神经网络所需的样本比训练正问题神经网络所需的样本越多,该方法的计算效率越高。（3）开展了基于双向神经网络的复合材料参数反求。建立复合材料层合板的准静态数值模拟实验,以该实验得到的结构响应开展基于双向喇叭和筒状神经网络的材料参数反求,并与直接训练反问题神经网络的方法和（2）中所提方法进行比较,该方法反求精度最高且效率提高超过40%。（4）研究了提高参量敏感性的方法和策略。通过调整结构的边界条件及加载策略来提高参量的敏感性,该方法对原本不敏感参量的敏感性提高最为显着。
高昊[8]（2020）在《移动荷载识别在桥梁健康监测中的应用》文中认为随着我国城市道路的发展以及高速公路网的快速建设,大量的桥梁投入交通系统的运营。随着交通量的日益增大以及时间的演变,投入运营的桥梁不可避免产生各种病害,桥梁的健康状况评估以及日常养护成为越来越重要的问题。目前桥梁健康监测系统大部分是用来测量桥梁在各种荷载（车辆荷载、风荷载、温度荷载和地震荷载）作用下桥梁的动力响应（加速度、应变、位移）。而对于桥梁移动荷载反分析问题,即从桥梁动力响应反算桥面时变移动荷载（包括移动荷载的速度、荷载位置、车辆轴重或总重）,目前还没有见到一种可实施推广的技术,大量的工作还处于理论和试验的研究阶段。本文的主要研究内容如下:1)建立了装配式T梁实桥Midas模型,并施加双轴车辆荷载,得到了结构动力响应。通过改变荷载识别算法中的桥梁结构参数,对影响荷载识别效果的桥梁结构参数进行对比分析;得到了主梁刚度对荷载识别效果影响最大,主梁单位质量长度和阻尼比对荷载识别效果影响不显着的结论。2)根据现场动载试验采集的数据,提出了桥梁主梁刚度与设计值的误差修正方法;对实测数据进行初步分析得到了车辆行驶过程的实际车速,引入了神经网络,建立了桥梁动力时程响应与的主梁刚度映射关系。利用L-M法对神经网络进行训练,并根据实际采集数据对主梁刚度进行了修正。3)通过常用的车型进行了动力结构响应计算,得到了应变峰值与应变变化特征。然后对实测应变数据的特点进行初步分析,确定车型参数并进行了荷载识别计算,荷载识别效果良好。通过对修正刚度的主梁模型施加识别荷载得到动挠度响应,建立了基于荷载识别技术的安全评估指标;经过安全评估分析,判别桥梁处于完好状态的结论。
郭谦[9]（2019）在《基于先验约束的电阻率法探测深度学习反演方法》文中提出电阻率探测（Electrical Resistivity Survey,ERS）是常用的工程地球物理探测技术,以其适用范围广、勘探效率高、经济成本低、作业方便灵活的优势,被广泛应用于公路铁路交通工程沿线地质勘查和路基病害检测、水利水电工程堤防和坝址缺陷隐患探查、城市地下空间透明探测、隧道与地下工程不良地质超前预报等领域,在国家基础设施建设方面发挥了重要作用。电阻率探测反问题通过观测地下空间视电阻率数据重建地下电阻率分布模型,是实现地下电阻率异常体形态刻画和空间定位的主要手段。目前通常采用的线性反演方法存在依赖初始模型,易陷入局部最优,反演精度不足等问题。针对上述问题,着眼于当前飞速发展的人工智能算法,从电阻率反演的非线性本质出发,本文提出了基于深度学习方法的智能反演解决方案,采用理论分析、数值计算与现场试验等方法开展研究,从深度学习方法求解电阻率数据反问题的可行性着手,设计了电阻率深度学习反演网络ERSInvNet,在此基础上,针对网络输出模糊性、反演精度低和假异常多等问题,重点开展了基于先验约束的电阻率深度学习方法研究,构建了基于层位特征图像先验的输入约束,基于深度加权函数先验的损失函数数据项约束和基于光滑惩罚先验的正则化约束。最后,将其引入地表探测和隧道超前预报领域,分别开展了深度学习反演的数值试验、模型试验和现场试验。本文的主要研究工作及成果如下:（1）利用深度学习反演方法解决电阻率反问题的可行性和实现方法研究。本文分析了深度学习用于电阻率数据反演的适用性,讨论了模型电阻率异常区和视电阻率剖面中异常特征的空间对应关系,提出了基于深度卷积网络的电阻率深度学习反演思路并设计了电阻率深度学习反演网络ERSInvNet,为建立输入（视电阻率数据）到输出（电阻率模型参数）的端对端映射关系,为实现深度学习反演奠定了基础。（2）基于先验信息的电阻率数据深度学习反演方法。针对ERSInvNet输出模糊问题、反演精度低和假异常多等问题,提出了深度学习反演中施加有效先验信息约束的解决思路。构建了层位特征图像先验输入构造,改善了电阻率数据深度变化特性给具有权值共享属性的ERSInvNet造成的网络输出模糊性问题;提出了深度加权函数先验约束构造,解决了电阻率异常区域反演精度和深部异常体反演效果问题;构造了光滑惩罚先验约束,解决了反演结果中假异常严重问题,进而建立了基于先验信息的电阻率深度学习反演方法。与传统线性最小二乘反演方法对比,ERSInvNet反演成像对电阻率异常区域表现出更准确的定位,形态刻画和电阻率值反演效果,显着提高了反演精度和准确性。此外,提出基于迁移学习的观测数据域迁移方法,为现场实测数据的反演解释奠定基础。（3）地表电阻率探测深度学习反演实现与验证。在基于先验信息的电阻率数据深度学习反演方法基础上,实现地表ERT深度学习反演成像并进行现场试验。进一步将深度学习反演方法引入地表跨孔ERT探测场景并进行针对性改进,提出了施加全局特征向量先验信息的电位差预处理输入数据重组策略,构造了中间距离加权先验约束数据项,设计了跨孔ERT深度学习反演网络ERSInvNet-C,实现了跨孔ERT深度学习反演成像并进行物理模型试验验证。（4）隧道电阻率超前探测深度学习反演实现与验证。采用基于比较模型分辨率矩阵方法对隧道聚焦测深观测装置进行优化,在此基础上,建立隧道电阻率深度学习反演数据集ERSDSet-T,设计了基于全连接重建三维特征,卷积输出电阻率模型的隧道电阻率反演网络ERSInvNet-T,最后通过数值模拟和现场试验验证了隧道电阻率深度学习反演方法的有效性。
陈琳[10]（2020）在《基于红外热成像的北方居住建筑外墙热阻辨识方法》文中认为外墙是建筑围护结构的重要组成部分,其传热系数的现场检测是进行建筑物节能评估和节能改造工作的关键环节。本文将研究目标限定为严寒地区和寒冷地区建筑外墙,针对目前建筑外墙传热系数现场检测方法的不足,基于红外热像法的优势,探索研究利用机器学习算法建立一种便捷、无损的建筑外墙热阻现场检测方法,进而获得传热系数。首先,本文基于建筑非稳态导热反问题理论,提出了利用机器学习算法对外墙热阻进行系统辨识的方法。通过理论分析给出了外墙热阻辨识建模的技术路线,为建筑外墙热阻辨识系统的建立提供理论依据。同时,研究了变导热系数对外墙热阻值的影响。其次,建立了外墙传热的数值模型并对其进行了验证。通过调研,获取了寒区建筑外墙的典型或常见的构造形式。然后利用CFD方法对冬季外墙典型工况（室温恒定和变化）进行数值实验,得到了墙体的温度分布和变化规律。数值实验结果为外墙热阻辨识模型的建立提供了样本数据。再次,利用人工神经网络的方法建立了外墙红外图像温度数据的校准模型。本文以红外热像仪测得的温度数据和材料的发射率作为输入变量,热电偶测量的数据作为输出变量,分别选取BP（Back Propagation,反向传播）神经网络、RBF（Radial Basis Function,径向基）神经网络和MNLR（Multiple Nonlinear Regression,多元非线性回归）方法建立了红外热像法测温数据的修正模型并进行了误差对比。结果表明,RBF神经网络校准模型的修正精度最高。另外,编写了墙体表面有效区域温度数据的快速提取程序,通过该程序可以得到排除异物后的有效墙体温度信息,实现了校准后红外数据和有效区域图像的可视化。然后,利用机器学习算法建立了建筑外墙热阻辨识模型。通过对比分析确定,外墙热阻辨识模型的输入变量包括时间序列、室内平均温度、室外温度和墙体内、外表面平均温度等参数。本文将CFD模拟数据作为训练样本,分别采用了BP神经网络、RBF神经网络、GRNN（General Regression,广义回归）神经网络和PSO-SVM（基于粒子群参数优化的支持向量机）算法搭建建筑外墙热阻辨识模型。模型建立过程中首先考虑时间序列的总长度（检测周期）对辨识误差的影响,确定12小时为最佳时间序列。然后对四组模型样本集的预测能力和测试集的泛化能力进行比较,结果表明,PSO-SVM模型的泛化能力要明显优于其它三种方法,其准确率高达94.7%。并对PSO-SVM模型的抗噪性进行了检验。最后,采用实验室测试和现场测试两种方法验证了外墙热阻检测方法的可行性。两组实验室测试结果表明,PSO-SVM热阻辨识模型测得的墙体热阻值与理论值的相对误差平均值为2.6%,与传热系数检测仪的相对误差平均值为3.5%,且PSO-SVM检测值低于理论值,热阻辨识方法检测结果较为合理。五组现场测试结果表明:实验5的误差较大,其原因是红外热像仪拍摄角度过大。因此,本文对其进行重新修正,之后得到的五组实验相对误差平均值为7.1%。总的来说检验结果较好,验证了PSO-SVM模型测试外墙热阻的可行性。本文的研究成果对进行建筑外墙传热系数现场检测具有重要的理论意义和应用价值。
二、人工神经网络方法在力学反问题研究中的应用（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、人工神经网络方法在力学反问题研究中的应用（论文提纲范文）
（1）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 |
（2）基于贝叶斯理论的地下水DNAPLs污染源反演识别研究（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 国内外研究现状及发展动态分析 |
| 1.2.1 地下水污染源反演识别研究 |
| 1.2.2 最优试验设计研究 |
| 1.2.3 替代模型建模方法研究 |
| 1.2.4 有待解决的科学问题 |
| 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 技术路线与论文结构 |
| 1.4.1 技术路线 |
| 1.4.2 论文结构 |
| 1.5 创新点 |
| 1.6 本章小结 |
| 第2章 反演问题与贝叶斯理论 |
| 2.1 正演问题概述 |
| 2.2 地下水污染源反演识别问题 |
| 2.2.1 反演问题概述 |
| 2.2.2 反演问题的不适定性 |
| 2.3 贝叶斯理论 |
| 2.4 广义似然不确定性估计方法 |
| 2.5 马尔科夫链蒙特卡洛 |
| 2.5.1 单链MCMC采样算法 |
| 2.5.2 多链MCMC采样算法 |
| 2.6 本章小结 |
| 第3章 地下水DNAPLs污染源反演识别研究方法体系的构建 |
| 3.1 地下水中DNAPLs的主要来源及运移 |
| 3.2 地下水DNAPLs污染多相流数值模型及其求解软件 |
| 3.2.1 偏微分方程 |
| 3.2.2 定解条件 |
| 3.2.3 模型求解 |
| 3.3 最优试验设计 |
| 3.3.1 贝叶斯试验设计 |
| 3.3.2 0-1 整数规划优化模型及其求解方法 |
| 3.4 贝叶斯参数反演识别 |
| 3.4.1 DREAM算法的研究及其改进 |
| 3.4.2 收敛性诊断方法 |
| 3.4.3 反演识别结果分析方法 |
| 3.5 替代模型建模方法 |
| 3.5.1 拉丁超立方抽样方法 |
| 3.5.2 克里格方法 |
| 3.5.3 支持向量回归方法 |
| 3.5.4 深度残差网络方法 |
| 3.5.5 替代模型精度检验指标 |
| 3.6 本章小结 |
| 第4章 地下水DNAPLs污染源反演识别方法的算例研究 |
| 4.1 理想数值算例介绍 |
| 4.1.1 算例一简介 |
| 4.1.2 算例二简介 |
| 4.1.3 算例三简介 |
| 4.2 替代模型的建立 |
| 4.2.1 样本的获取 |
| 4.2.2 克里格替代模型的建立 |
| 4.2.3 支持向量回归替代模型的建立 |
| 4.2.4 深度残差网络替代模型的建立 |
| 4.3 优化模型的建立 |
| 4.4 结果分析 |
| 4.4.1 算法的设定 |
| 4.4.2 替代模型精度检验分析 |
| 4.4.3 优化模型的求解 |
| 4.4.4 收敛性分析 |
| 4.4.5 反演识别结果的对比与分析 |
| 4.5 本章小结 |
| 第5章 西北地区某污染场地的地下水DNAPLs污染源反演识别应用研究 |
| 5.1 实例研究区概况 |
| 5.1.1 研究区自然地理概况 |
| 5.1.2 地质与水文地质条件 |
| 5.2 研究区地下水DNAPLs污染多相流数值模拟模型的初步建立 |
| 5.2.1 水文地质概念模型 |
| 5.2.2 多相流数值模拟模型的建立 |
| 5.3 多相流数值模拟模型的替代模型 |
| 5.3.1 含水层参数的敏感性分析 |
| 5.3.2 替代模型的建立与精度检验分析 |
| 5.4 算法的设定 |
| 5.5 收敛性分析 |
| 5.6 反演识别结果分析 |
| 5.6.1 反演识别结果 |
| 5.6.2 反演识别结果精度评估 |
| 5.7 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 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 |
（3）电磁计算高性能算法研究（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 时域计算电磁学常用的数值方法 |
| 1.3 降阶建模技术 |
| 1.4 电磁超表面的逆设计 |
| 1.5 研究内容及创新点 |
| 1.6 论文结构安排 |
| 第二章 时域计算电磁学数学模型 |
| 2.1 时域Maxwell方程组 |
| 2.1.1 媒质的本构关系 |
| 2.1.2 边界条件 |
| 2.2 广义临接条件 |
| 2.2.1 动态超表面工作原理 |
| 2.2.2 广义临接条件 |
| 2.3 数值模拟中常见的电磁源 |
| 2.3.1 时谐场源 |
| 2.3.2 脉冲波源 |
| 2.4 本章小结 |
| 第三章 时域有限差分方法和时域间断伽辽金方法 |
| 3.1 FDTD算法求解Maxwell方程 |
| 3.1.1 直角坐标系下的FDTD |
| 3.1.2 数值稳定分析和数值色散分析 |
| 3.1.3 吸收边界条件 |
| 3.2 DGTD算法求解Maxwell方程 |
| 3.2.1 连续性问题及其弱形式 |
| 3.2.2 DGTD离散格式 |
| 3.3 本章小结 |
| 第四章 基于高斯过程回归的非入侵式降阶建模的POD-GPR算法 |
| 4.1 两步POD技术 |
| 4.2 基于回归方法的降阶求解 |
| 4.3 基于GPR的降阶建模 |
| 4.3.1 GPR的基本原理 |
| 4.3.2 基于SVD分解的GPR |
| 4.4 数值实验及分析 |
| 4.4.1 介质圆柱的电磁散射 |
| 4.4.2 多层介电圆柱的电磁散射 |
| 4.5 本章小结 |
| 第五章 基于强化学习的动态可调电磁超表面的设计 |
| 5.1 GSTCs-FDTD数值模拟格式 |
| 5.2 深度强化学习基本原理 |
| 5.2.1 人工神经网络 |
| 5.2.2 深度强化学习 |
| 5.2.3 评论-演说家(AC)框架 |
| 5.2.4 信赖域策略优化 (TRPO) 算法和近端策略优化 (PPO) 算法 |
| 5.3 基于PPO的超表面控制策略 |
| 5.4 数值实验及分析 |
| 5.4.1 零反射超表面对高斯脉冲的控制 |
| 5.4.2 零反射超表面对微分高斯脉冲的控制 |
| 5.4.3 透射-反射超表面对高斯脉冲的控制 |
| 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 |
| 攻读硕士学位期间取得的成果 |
（4）热损耗条件下平板试样热参数测量技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 第1章 绪论 |
| 1.1 课题的来源及研究的目的和意义 |
| 1.2 热参数测量技术的国内外现状 |
| 1.3 本领域存在的科学问题和关键技术 |
| 1.4 本文的主要研究内容 |
| 第2章 基于第二类边界条件的导热系数模型构建 |
| 2.1 引言 |
| 2.2 导热系数传统反演测量 |
| 2.2.1 问题描述 |
| 2.2.2 正问题求解 |
| 2.2.3 目标函数 |
| 2.2.4 耦合人工蜂群算法 |
| 2.2.5 优化算法数值试验及结果分析 |
| 2.3 热损耗下导热系数反演模型研究 |
| 2.3.1 热损耗下导热系数反演模型构建 |
| 2.3.2 使用虚拟薄板模型反演步骤 |
| 2.3.3 数值仿真与结果分析 |
| 2.4 本章小结 |
| 第3章 基于第三类边界条件的传热系数模型构建 |
| 3.1 引言 |
| 3.2 传热系数传统反演测量 |
| 3.3 热损耗下传热系数反演模型 |
| 3.3.1 有热损耗下传热系数反演方法构建 |
| 3.3.2 局部模型的目标函数 |
| 3.3.3 传热系数反演步骤 |
| 3.3.4 数值仿真与结果分析 |
| 3.4 本章小结 |
| 第4章 基于第三类边界条件的边界形状反演算法研究 |
| 4.1 引言 |
| 4.2 传统算法求解边界形状存在的问题 |
| 4.2.1 问题描述 |
| 4.2.2 正问题求解 |
| 4.2.3 目标函数 |
| 4.2.4 共轭梯度法 |
| 4.2.5 传统求解存在的主要问题 |
| 4.3 边界形状反演的空间分布式模糊自适应算法 |
| 4.4 数值仿真与结果分析 |
| 4.5 本章小结 |
| 第5章 热参数测量的实验验证 |
| 5.1 引言 |
| 5.2 导热系数实测验证 |
| 5.2.1 导热系数实验装置的研制 |
| 5.2.2 导热系数实测验证 |
| 5.2.3 导热系数测量结果分析及模型讨论 |
| 5.3 传热系数实测验证 |
| 5.3.1 传热系数实验装置的研制 |
| 5.3.2 传热系数实测验证 |
| 5.3.3 传热系数测量结果分析及讨论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文与其他成果 |
| 致谢 |
| 个人简历 |
（5）钛合金板材电涡流无损检测与定量化评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 钛合金板材的生产制造及质量标准 |
| 1.2.1 钛合金板材的发展与应用 |
| 1.2.2 钛合金板材轧制工艺 |
| 1.2.3 钛合金板材质量标准 |
| 1.2.4 钛合金板材无损检测方法 |
| 1.3 电涡流无损检测技术概述及其研究现状 |
| 1.3.1 电涡流检测技术发展概述 |
| 1.3.2 电涡流检测信号预处理研究现状 |
| 1.3.3 电涡流测厚方法研究现状 |
| 1.3.4 电涡流检测缺陷分类识别研究现状 |
| 1.3.5 电涡流缺陷定量化评估研究现状 |
| 1.4 钛合金板材电涡流无损检测研究现状及存在的问题 |
| 1.4.1 钛合金板材电涡流无损检测研究现状 |
| 1.4.2 研究热点 |
| 1.4.3 存在的问题 |
| 1.5 本文的主要研究内容及创新 |
| 1.5.1 论文的主要研究内容 |
| 1.5.2 论文的创新点 |
| 1.6 本章小结 |
| 第二章 钛合金板材电涡流检测信号预处理 |
| 2.1 引言 |
| 2.2 钛合金板材电涡流检测信号特性 |
| 2.2.1 探头线圈阻抗模型 |
| 2.2.2 探头线圈电压变化 |
| 2.2.3 钛合金板材电涡流检测信号 |
| 2.3 数字相敏检波算法与电涡流成像原理 |
| 2.3.1 数字相敏检波 |
| 2.3.2 电涡流扫描成像原理 |
| 2.4 钛合金板电涡流检测图像PCA-LLE联合降噪方法 |
| 2.4.1 主元分析(PCA)降噪 |
| 2.4.2 局部线性嵌入(LLE)图像重构 |
| 2.4.3 基于PCA-LLE的电涡流检测图像降噪 |
| 2.4.4 降噪预处理实验 |
| 2.5 本章小结 |
| 第三章 钛合金板材电涡流解析模型与厚度测量研究 |
| 3.1 引言 |
| 3.2 钛合金板材电涡流解析模型建立 |
| 3.2.1 电涡流探头与测量原理 |
| 3.2.2 Dodd-Deeds解析模型 |
| 3.2.3 钛合金板材电涡流解析模型 |
| 3.3 钛合金板材电涡流解析模型的分析与改进 |
| 3.3.1 钛合金板材解析模型相位分离 |
| 3.3.2 钛合金板材电涡流解析模型的改进 |
| 3.4 基于改进解析模型的钛合金板材电涡流测厚方法 |
| 3.5 钛合金板电涡流厚度测量实验 |
| 3.5.1 测量设备及实验设置 |
| 3.5.2 厚度测量结果与分析 |
| 3.6 本章小结 |
| 第四章 基于SSDAE深度神经网络的钛合金板材缺陷电涡流检测图像分类方法 |
| 4.1 引言 |
| 4.2 降噪自编码器原理及训练方式 |
| 4.2.1 自编码器原理 |
| 4.2.2 降噪自编码器原理 |
| 4.2.3 降噪自编码器训练方式 |
| 4.3 稀疏性限制引入与深度神经网络构建 |
| 4.3.1 稀疏性限制 |
| 4.3.2 栈式稀疏降噪自编码(SSDAE)深度神经网络构建 |
| 4.4 基于SSDAE深度神经网络的钛板缺陷电涡流图像分类方法 |
| 4.5 钛合金板缺陷电涡流检测与分类实验 |
| 4.5.1 检测装置 |
| 4.5.2 检测材料与试验设置 |
| 4.5.3 实验结果及分析 |
| 4.6 本章小结 |
| 第五章 基于DBN与LSSVM的钛合金板材缺陷电涡流检测图像定量化评估方法 |
| 5.1 引言 |
| 5.2 基于DBN的钛合金板缺陷特征提取 |
| 5.2.1 限制玻尔兹曼机原理 |
| 5.2.2 深度置信网络构建与特征提取 |
| 5.3 基于LSSVM的钛合金板缺陷参数回归 |
| 5.4 基于DBN和LSSVM的钛合金板缺陷定量化评估方法 |
| 5.5 钛合金板缺陷定量化评估实验 |
| 5.5.1 参数影响分析 |
| 5.5.2 评估结果与讨论 |
| 5.6 本章小结 |
| 第六章 钛合金板材电涡流无损检测系统设计与实现 |
| 6.1 引言 |
| 6.2 钛合金板材电涡流无损检测系统总体架构 |
| 6.2.1 电涡流检测系统总体硬件架构 |
| 6.2.2 电涡流检测系统总体软件工作流程 |
| 6.2.3 电涡流检测系统功能模块划分 |
| 6.3 电涡流无损检测系统软硬件模块化实现 |
| 6.3.1 电涡流探头设计 |
| 6.3.2 电涡流检测系统硬件实现 |
| 6.3.3 电涡流检测系统软件实现 |
| 6.4 智能检测分析功能集成 |
| 6.4.1 钛合金板测厚功能 |
| 6.4.2 钛合金板缺陷分类与评估功能 |
| 6.5 钛合金板材电涡流无损检测应用实例 |
| 6.5.1 钛合金板材缺陷检测 |
| 6.5.2 钛合金板材厚度测量 |
| 6.5.3 钛合金板材缺陷分类与评估 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读博士学位期间取得的主要研究成果 |
| 附录B 攻读博士期间参与的科研项目 |
（6）基于CA-MCMC方法的河流突发水污染溯源研究（论文提纲范文）
| 摘要 |
| ABSTRACTS |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究进展 |
| 1.2.1 水污染溯源方法研究进展 |
| 1.2.2 污染物迁移扩散模型研究进展 |
| 1.2.3 现有研究不足 |
| 1.3 本文主要研究内容及章节安排 |
| 1.3.1 课题提出 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第2章 污染物溯源原理及迁移扩散机理简介 |
| 2.1 突发水污染溯源概念及基本原理 |
| 2.1.1 溯源概念 |
| 2.1.2 溯源分类 |
| 2.2 污染物迁移扩散机理 |
| 2.2.1 迁移方式 |
| 2.2.2 迁移阶段 |
| 2.2.3 污染物迁移扩散过程 |
| 2.3 小结 |
| 第3章 CA污染物迁移扩散模型 |
| 3.1 元胞自动机模型 |
| 3.1.1 元胞自动机概述 |
| 3.1.2 邻域 |
| 3.1.3 转换规则 |
| 3.1.4 边界条件 |
| 3.2 元胞自动机模型应用研究 |
| 3.2.1 研究区域概况 |
| 3.2.2 模型搭建 |
| 3.2.3 基于BP神经网络的元胞自动机率定 |
| 3.3 小结 |
| 第4章 MCMC溯源算法研究 |
| 4.1 贝叶斯方法 |
| 4.2 MCMC算法 |
| 4.2.1 先验分布 |
| 4.2.2 似然函数 |
| 4.2.3 抽样方法比选 |
| 4.3 算例分析 |
| 4.3.1 溯源结果分析 |
| 4.3.2 溯源效果分析 |
| 4.4 小结 |
| 第5章 基于CA-MCMC的污染物溯源方法研究 |
| 5.1 CA-MCMC的溯源实现 |
| 5.2 应用分析 |
| 5.3 小结 |
| 第6章 河流突发水污染溯源物理模型试验 |
| 6.1 实验目的 |
| 6.2 实验渠道模型概化 |
| 6.2.1 实验场地布置 |
| 6.2.2 比尺设计 |
| 6.2.3 实验设备 |
| 6.3 实验过程及结果 |
| 6.3.1 点源污染物瞬时中心排放 |
| 6.3.2 点源污染物连续中心排放 |
| 6.3.3 点源污染物瞬时一侧排放 |
| 6.3.4 点源污染物连续一侧排放 |
| 6.4 实验分析总结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 附录 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（7）双向神经网络及其在复合材料参数反求中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 关键科学问题 |
| 1.3 国内外研究现状 |
| 1.4 主要研究内容 |
| 第二章 双向喇叭神经网络计算反求方法 |
| 2.1 引言 |
| 2.2 正问题与反问题的设定 |
| 2.3 敏感性分析 |
| 2.3.1 正问题的敏感性分析 |
| 2.3.2 反问题的敏感性分析 |
| 2.4 基于喇叭神经网络的反问题求解方法 |
| 2.5 本章小结 |
| 第三章 双向筒状神经网络计算反求方法 |
| 3.1 引言 |
| 3.2 双向筒状神经网络直接权值反求理论和方法 |
| 3.3 双向筒状神经网络模型的建立方法 |
| 3.4 本章小结 |
| 第四章 基于双向神经网络的材料参数反求 |
| 4.1 引言 |
| 4.2 数值算例的有限元模型 |
| 4.3 提高参数敏感性的方法和策略 |
| 4.4 基于双向喇叭神经网络的复合材料参数反求 |
| 4.4.1 直接反问题神经网络训练法 |
| 4.4.2 正问题神经网络代理模型法 |
| 4.4.3 喇叭神经网络直接权值反求法 |
| 4.5 基于双向筒状神经网络的材料参数反求 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 参考文献 |
| 攻读硕士期间所取得的相关科研成果 |
| 致谢 |
（8）移动荷载识别在桥梁健康监测中的应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 反问题分析概述 |
| 1.3 移动荷载识别国内外研究现状 |
| 1.4 课题研究意义和主要工作内容 |
| 第二章 移动荷载识别方法简介 |
| 2.1 第一识别法 |
| 2.2 第二识别法(IIMI法) |
| 2.3 时域识别法 |
| 第三章 桥梁移动荷载识别的数值仿真分析 |
| 3.1 桥梁的固有振动理论 |
| 3.2 单梁模型荷载识别分析 |
| 3.2.1 基本模型建立 |
| 3.2.2 模态对比 |
| 3.2.3 基于铁摩辛柯梁原理的时域识别法修正系数 |
| 3.2.4 基于铁摩辛柯梁原理的修正时域识别法移动荷载识别分析 |
| 3.3 装配式简支梁桥移动荷载识别 |
| 3.3.1 桥梁概况 |
| 3.3.2 模型建立 |
| 3.3.3 桥梁结构参数设定 |
| 3.3.4 荷载识别结果分析 |
| 3.4 本章小结 |
| 第四章 基于动载试验的主梁刚度修正 |
| 4.1 现代控制论与参数识别 |
| 4.1.1 现代控制理论简介 |
| 4.1.2 参数识别内容 |
| 4.2 荷载试验动载方案 |
| 4.2.1 桥梁概况 |
| 4.2.2 动载试验车辆参数 |
| 4.2.3 动载试验截面及测点布置 |
| 4.2.4 加载工况 |
| 4.3 基于神经网络系统的时域法识别分析 |
| 4.3.1 BP人工神经网络的基本原理 |
| 4.3.2 现场数据的初步分析处理 |
| 4.3.3 BP神经网络构建修正模型参数 |
| 4.3.4 修正模型荷载识别 |
| 4.4 本章小结 |
| 第五章 移动荷载识别在桥梁健康监测中的应用 |
| 5.1 桥梁概况及监测系统设计 |
| 5.1.1 监测系统设计 |
| 5.1.2 传感器系统设计 |
| 5.1.3 传感器参数 |
| 5.2 车型参数以及应变阈值计算 |
| 5.2.1 车型参数 |
| 5.2.2 车型判断阈值计算 |
| 5.3 移动荷载识别及桥梁安全评估 |
| 5.3.1 实测数据荷载识别 |
| 5.3.2 安全评估指标 |
| 5.3.3 安全评估分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间发表的论文和取得的学术成果 |
（9）基于先验约束的电阻率法探测深度学习反演方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 电阻率探测方法研究现状 |
| 1.2.2 电阻率线性反演方法研究现状 |
| 1.2.3 电阻率非线性反演方法研究现状 |
| 1.2.4 深度学习概述及其在反问题中的研究现状 |
| 1.3 目前研究存在的问题 |
| 1.4 主要研究内容、创新点和技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术路线 |
| 1.4.3 创新点 |
| 第二章 电阻率数据深度学习反演可行性分析与网络设计 |
| 2.1 电阻率探测深度学习反演方法可行性 |
| 2.1.1 电阻率探测基本原理 |
| 2.1.2 深度学习求解电阻率数据反问题的可行性 |
| 2.2 基于CNNs的电阻率探测深度学习反演网络设计 |
| 2.2.1 基于CNNs的电阻率探测深度学习反演基本原理 |
| 2.2.2 电阻率深度学习反演网络ERSInvNet设计 |
| 2.2.3 电阻率深度学习反演数据集ERSDSet建立 |
| 2.3 本章小结 |
| 第三章 基于先验信息的电阻率数据深度学习反演方法 |
| 3.1 电阻率数据深度学习先验信息约束反演对策与总体思路 |
| 3.2 层位图像特征先验信息及其输入约束构造 |
| 3.2.1 电阻率数据深度变化特性对ERSInvNet影响分析 |
| 3.2.2 基于层位特征图像先验信息约束的深度学习反演输入重组 |
| 3.2.3 层位图像特征约束输入的深度学习反演数值模拟 |
| 3.3 深度加权先验信息及其反演约束构造 |
| 3.3.1 施加深度加权先验约束的深度学习反演算法 |
| 3.3.2 施加深度加权函数先验约束的深度学习反演数值模拟 |
| 3.4 光滑惩罚先验信息及其约束构造 |
| 3.4.1 施加光滑惩罚约束的电阻率深度学习反演算法 |
| 3.4.2 光滑惩罚因子选取 |
| 3.4.3 施加光滑惩罚约束的深度学习反演数值模拟 |
| 3.5 基于先验约束的电阻率深度学习反演实现方法与效果评价 |
| 3.5.1 基于先验约束的深度学习反演损失函数构建 |
| 3.5.2 基于先验约束的电阻率深度学习反演改进效果评价 |
| 3.5.3 与传统线性最小二乘反演方法的对比 |
| 3.6 带噪声数据的电阻率深度学习反演与数据域迁移方法 |
| 3.6.1 带噪声数据的深度学习反演模拟 |
| 3.6.2 带噪声数据的数据迁移方法 |
| 3.7 本章小结 |
| 第四章 地表电阻率探测深度学习反演实现与验证 |
| 4.1 地表ERT深度学习反演实现与成像 |
| 4.1.1 地表ERT深度学习反演流程 |
| 4.1.2 地表ERT深度学习反演成像效果 |
| 4.2 基于深度学习反演的地表ERT现场试验 |
| 4.2.1 工程概况与地质分析 |
| 4.2.2 数据采集与深度学习反演结果 |
| 4.2.3 钻孔资料和结果对比 |
| 4.3 地表跨孔ERT深度学习反演实现与成像 |
| 4.3.1 跨孔ERT探测深度学习输入重组策略 |
| 4.3.2 中间距离加权先验信息及其反演约束构造 |
| 4.3.3 跨孔ERT反演深度神经网络ERSInvNet-C |
| 4.3.4 跨孔ERT反演深度学习反演成像 |
| 4.3.5 地表ERIT深度学习反演流程 |
| 4.4 基于深度学习反演的地表跨孔ERT模型试验 |
| 4.4.1 孤石探测试验模型 |
| 4.4.2 深度学习反演结果与对比 |
| 4.5 本章小结 |
| 第五章 隧道电阻率超前探测深度学习反演实现与验证 |
| 5.1 隧道复杂环境聚焦测深型观测装置设计与优化 |
| 5.1.1 隧道电阻率超前探测聚焦测深型观测方式 |
| 5.1.2 基于CR方法的隧道聚焦测深观测方式优化策略 |
| 5.1.3 聚焦测深型观测装置优化与数值验证 |
| 5.2 隧道电阻率超前探测深度学习反演方法 |
| 5.2.1 隧道电阻率深度学习反演数据集ERSDSet-T |
| 5.2.2 隧道电阻率超前探测的深度学习反演网络ERSInvNet-T |
| 5.2.3 隧道电阻率深度学习反演成像 |
| 5.2.4 隧道电阻率超前探测深度学习反演流程 |
| 5.3 大瑞铁路高黎贡山隧道电阻率超前探测现场试验 |
| 5.3.1 工程概况与地质分析 |
| 5.3.2 反演结果与开挖揭露 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的科研成果、参与项目及所获奖励 |
| 学位论文评阅及答辩情况表 |
（10）基于红外热成像的北方居住建筑外墙热阻辨识方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 相关研究现状 |
| 1.3.1 建筑外墙传热系数现场检测方法研究现状 |
| 1.3.2 红外热像法在建筑热工领域的研究现状 |
| 1.3.3 机器学习在建筑热工领域的研究现状 |
| 1.3.4 相关研究现状总结 |
| 1.4 研究内容与方法 |
| 1.4.1 概念界定 |
| 1.4.2 研究内容 |
| 1.4.3 研究方法 |
| 1.4.4 研究框架 |
| 第2章 外墙热阻辨识方法理论分析 |
| 2.1 外墙导热正问题数学模型 |
| 2.1.1 控制方程 |
| 2.1.2 初始与边界条件 |
| 2.2 外墙导热热阻反问题描述 |
| 2.2.1 传热学反问题概述 |
| 2.2.2 外墙导热热阻反问题建立 |
| 2.3 外墙热阻辨识技术路线 |
| 2.3.1 系统辨识方法概述 |
| 2.3.2 外墙热阻辨识建模方案 |
| 2.4 关于变导热系数的考虑 |
| 2.5 本章小结 |
| 第3章 外墙传热仿真数值实验 |
| 3.1 数值模型 |
| 3.1.1 CFD数值实验概述 |
| 3.1.2 模型建立 |
| 3.1.3 模型验证 |
| 3.2 数值实验方案 |
| 3.2.1 墙体构造方案 |
| 3.2.2 数值模型参数设定 |
| 3.3 结果与分析 |
| 3.3.1 单一材料构造墙体 |
| 3.3.2 两种材料复合构造墙体 |
| 3.3.3 实墙墙体 |
| 3.3.4 含窗户墙体 |
| 3.3.5 含热桥墙体 |
| 3.3.6 热阻值对墙体表面温度的影响 |
| 3.4 本章小结 |
| 第4章 基于机器学习的红外热像法测温修正与有效温度提取 |
| 4.1 红外热像法测温数据修正模型样本获取 |
| 4.1.1 红外测温数据修正方案 |
| 4.1.2 实验仪器的选择与参数设定 |
| 4.1.3 实验样本 |
| 4.1.4 测试结果 |
| 4.1.5 发射率检测 |
| 4.2 红外热像法测温数据修正模型建立 |
| 4.2.1 ANN和 MNLR用于建立红外测温数据修正模型的可行性分析 |
| 4.2.2 修正模型样本数据处理 |
| 4.2.3 基于BP网络的红外测温数据修正模型的建立 |
| 4.2.4 基于RBF网络的红外测温数据修正模型的建立 |
| 4.2.5 基于MNLR的红外测温数据修正模型的建立 |
| 4.2.6 修正结果对比 |
| 4.2.7 红外热像法测温修正模型的实验验证 |
| 4.3 有效区域温度数据的处理与提取 |
| 4.3.1 有效区域温度数据提取方法 |
| 4.3.2 有效区域温度数据提取程序检验结果 |
| 4.3.3 红外图像数据处理软件界面设计 |
| 4.4 本章小结 |
| 第5章 外墙热阻机器学习辨识方法的建立 |
| 5.1 热阻辨识模型的建立 |
| 5.1.1 建模方法选取 |
| 5.1.2 输入变量确定 |
| 5.1.3 基于GRNN的外墙热阻辨识模型的建立 |
| 5.1.4 基于PSO-SVM的外墙热阻辨识模型的建立 |
| 5.2 模型对比分析 |
| 5.2.1 时间序列的影响 |
| 5.2.2 模型辨识结果对比分析 |
| 5.2.3 热阻辨识模型抗噪性检验 |
| 5.3 热阻辨识系统软件界面设计 |
| 5.3.1 热阻辨识系统界面简介 |
| 5.3.2 热阻辨识系统界面功能介绍 |
| 5.4 本章小结 |
| 第6章 外墙热阻辨识方法验证 |
| 6.1 实验室测试验证 |
| 6.1.1 检测方案 |
| 6.1.2 检测数据 |
| 6.1.3 检测结果与分析 |
| 6.2 现场测试验证 |
| 6.2.1 检测方案 |
| 6.2.2 检测数据 |
| 6.2.3 检测结果与分析 |
| 6.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
四、人工神经网络方法在力学反问题研究中的应用（论文参考文献）
- [1]地下水LNAPLs污染溯源辨析[D]. 李久辉. 吉林大学, 2021
- [2]基于贝叶斯理论的地下水DNAPLs污染源反演识别研究[D]. 闫雪嫚. 吉林大学, 2021
- [3]电磁计算高性能算法研究[D]. 赵颖. 电子科技大学, 2021(01)
- [4]热损耗条件下平板试样热参数测量技术研究[D]. 杨亮亮. 哈尔滨工业大学, 2021(02)
- [5]钛合金板材电涡流无损检测与定量化评估研究[D]. 包俊. 昆明理工大学, 2020
- [6]基于CA-MCMC方法的河流突发水污染溯源研究[D]. 孙策. 山东大学, 2020(10)
- [7]双向神经网络及其在复合材料参数反求中的应用[D]. 张湛明. 河北工业大学, 2020
- [8]移动荷载识别在桥梁健康监测中的应用[D]. 高昊. 重庆交通大学, 2020(01)
- [9]基于先验约束的电阻率法探测深度学习反演方法[D]. 郭谦. 山东大学, 2019(01)
- [10]基于红外热成像的北方居住建筑外墙热阻辨识方法[D]. 陈琳. 哈尔滨工业大学, 2020