排序方式： 共有1条查询结果，搜索用时 15 毫秒
1
1.
针对电阻抗成像（EIT）中的电阻率反演及其不确定性量化问题,提出基于贝叶斯理论的不确定性分析方法.首先,利用反向传播（BP）神经网络模型作为正问题替代模型,取得了计算精度高的结果,并且大大提高计算效率.然后,采用基于贝叶斯理论的自适应差分进化Metropolis抽样（DREAM_ZS）算法对电阻率进行反演,并对不同激励模式和不同先验分布进行了对比分析.对模拟头部的4层同心圆模型的反演结果显示,DREAM_ZS抽样算法能够对4个参数进行准确识别,相对激励模式的反演效果最优.4个参数的不确定性程度不同,头皮电阻率不确定性最小,敏感性最强,其次是颅骨,大脑和脑脊液的不确定性较大.进而,对高维参数的圆模型进行仿真,采用相对激励模式,DREAM_ZS抽样算法能够准确反演二维圆模型的各个参数.参数的先验分布为正态分布时,与均匀分布相比,其反演结果不确定性小,对算法的识别效果更强. 相似文献
1