简介:传统上,时间域航空电磁数据通过拟合迭代反演计算得到大地模型,然而,由于航空电磁数据道间的较强相关性,导致病态反演,并引起超定问题;同时电磁数据的相关性使其与模型参数的映射关系复杂,增加了反演的复杂度。采用主成分分析法将航空电磁数据变换为正交的较少数量的主成分,不仅降低了数据道间的相关性,减小了数据量,同时压制了数据的不相关噪声。本文利用人工神经网络(ANN)逼近主成分与大地模型参数间的映射关系,避免了传统反演算法中雅克比矩阵的复杂计算。层状模型的主成分神经网络与数据神经网络的反演结果对比显示,主成分神经网络反演方法网络结构简单,训练步数少,反演结果好,特别是对于含噪数据。准二维模型的主成分ANN、数据ANN以及Zhody方法的反演结果显示了主成分神经网络具有更接近真实模型的反演效果,进一步证明了主成分神经网络反演方法适合海量航空电磁探测数据反演。
简介:交通运输业是国民经济中的基础产业,它与国民经济的其他产业相互依存、紧密相连,运输业的发展依赖于其他产业的发展,同时也促进其他产业的发展。这种相辅相成的密切关系,既说明国民经济其他产业的发展会对运输业的发展产生重要影响,也表明运输业的发展会对其他部门和国民经济的发展做出重要贡献。在经济全球化、国际经济贸易迅速发展的今天,航空运输对于促进经济的发展、改善人们的生产生活方式起着至关重要的作用。航空货物运输作为航空运输中的重要一环,随着我国经济结构的调整、进出口产业结构的优化,据预测,在未来20年我国航空货运市场的增长速度将高于客运增长速度。