期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
环境激励下的Bayesian SFFT模态参数识别法及不确定性量化研究
1
作者 郭琦 张卓 蒲广宁 《振动与冲击》 EI CSCD 北大核心 2024年第23期194-202,共9页
针对传统Bayesian模态参数识别方法存在识别结果不确定性和量化指标单一的问题,提出了贝叶斯缩放快速傅里叶变换(Bayesian scaled fast Fourier transform,Bayesian SFFT)模态参数识别法,通过求解四维数值的优化,得到模态参数的最佳估值... 针对传统Bayesian模态参数识别方法存在识别结果不确定性和量化指标单一的问题,提出了贝叶斯缩放快速傅里叶变换(Bayesian scaled fast Fourier transform,Bayesian SFFT)模态参数识别法,通过求解四维数值的优化,得到模态参数的最佳估值,并采用蒙特卡罗抽样的方法得到后验协方差矩阵和信息熵,实现对识别结果进行双重不确定性量化的目的。最后,通过数值模拟与工程应用验证了该方法的有效性,并研究了频带宽度系数k对识别结果的影响以及对比了变异系数与信息熵的量化效果。结果表明,将频带宽度系数k限制在7~9之间能够确保误差与不确定性的平衡;在阻尼比识别结果的量化中,信息熵的量化效果优于变异系数的量化效果。 展开更多
关键词 模态参数识别 不确定性量化 贝叶斯缩放快速傅里叶变换(bayesian sfft) 蒙特卡罗抽样 频带宽度系数 变异系数 信息熵
在线阅读 下载PDF
基于Metropolis抽样的非线性反演方法 被引量:14
2
作者 王保丽 孙瑞莹 +1 位作者 印兴耀 张广智 《石油地球物理勘探》 EI CSCD 北大核心 2015年第1期111-117,17,共7页
基于Metropolis抽样的非线性反演应用贝叶斯理论框架,是一种基于蒙特卡洛的非线性反演方法,能够有效地融合测井资料中的高频信息,提高反演结果的分辨率。首先通过快速傅里叶滑动平均模拟算法(FFTMA)和逐渐变形算法(GDM)得到基于地质统... 基于Metropolis抽样的非线性反演应用贝叶斯理论框架,是一种基于蒙特卡洛的非线性反演方法,能够有效地融合测井资料中的高频信息,提高反演结果的分辨率。首先通过快速傅里叶滑动平均模拟算法(FFTMA)和逐渐变形算法(GDM)得到基于地质统计学的先验信息;进而构建似然函数;最后利用Metropolis算法对后验概率密度进行抽样,得到反演问题的解。其中FFT-MA模拟作为一种高效的频率域模拟方法,融入GDM更新算法之后,可以在保持模拟空间结构不变的前提下,连续修改储层模型,保证反演结果有效地收敛,直至满足实际观测地震记录。模型试算和实际数据处理结果表明:基于Metropolis抽样的非线性反演可以提供合理的弹性参数信息,尤其是提高纵波速度的分辨率,即使信噪比较小时,仍然可以反演出合理的弹性参数信息,从而证明了该方法的有效性;当不考虑噪声时,纵、横波阻抗的反演分辨率较弹性参数本身的反演分辨率更高。 展开更多
关键词 FFT-MA GDM 贝叶斯理论 非线性反演 高分辨率 Metropolis抽样
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部