地球物理反演概論知到智慧樹章節(jié)測試課后答案2024年秋長安大學(xué)

地球物理反演概論知到智慧樹章節(jié)測試課后答案2024年秋長安大學(xué)第一章單元測試

地球物理正演指的是已知地球物理模型，預(yù)測對應(yīng)的數(shù)據(jù)響應(yīng)。（）

A:錯(cuò)B:對

答案:對下列科學(xué)研究實(shí)踐活動(dòng)屬于反演領(lǐng)域的有（）。

A:醫(yī)學(xué)CT

B:地震預(yù)報(bào)

C:深部地殼結(jié)構(gòu)探測

D:能源礦產(chǎn)資源勘探

E:海下軍事目標(biāo)體的識別

F:地球物理考古

答案:醫(yī)學(xué)CT

；地震預(yù)報(bào)

；深部地殼結(jié)構(gòu)探測

；能源礦產(chǎn)資源勘探

；海下軍事目標(biāo)體的識別

；地球物理考古

Backus-Gilbert反演理論認(rèn)為反問題的觀測數(shù)據(jù)可以看作隨機(jī)變量，將模型參數(shù)可看作連續(xù)函數(shù)，顯式地處理連續(xù)函數(shù)。（）

A:錯(cuò)B:對

答案:對為使不適定問題得以解決，需引入適當(dāng)?shù)母郊訔l件，使其成為適定問題。（）。

A:對B:錯(cuò)

答案:對評價(jià)一個(gè)反演問題解的質(zhì)量的評價(jià)標(biāo)準(zhǔn)不包括（）。

A:解估計(jì)值對資料的擬合程度

B:解估計(jì)值對誤差的放大程度

C:解估計(jì)值對真實(shí)解的逼近程度

D:反演方法的收斂性

答案:反演方法的收斂性

第二章單元測試

在所有能擬合觀測數(shù)據(jù)的模型中，的L2范數(shù)最小，稱該模型為（）。（）。

A:線性模型

B:最大模型

C:正交模型

D:最小模型

答案:最小模型

通過使預(yù)測誤差的某種特定長度——?dú)W幾里德長度取極小來求取模型參數(shù)的反演方法稱為最小二乘法。（）。

A:錯(cuò)B:對

答案:對欠定反問題存在無窮多個(gè)使預(yù)測誤差為零的解，通常通過求其最簡單模型（最小模型）來排除零向量的影響，得到反問題的最小長度解。（）。

A:錯(cuò)B:對

答案:對求解反問題的長度法中的“長度”可以是（）。

A:預(yù)測誤差和模型參數(shù)的線性組合矢量的L2范數(shù)極小

B:模型參數(shù)矢量L2范數(shù)極小

C:預(yù)測誤差矢量L2范數(shù)極小

D:核算子矩陣的條件數(shù)極小

答案:預(yù)測誤差和模型參數(shù)的線性組合矢量的L2范數(shù)極小

；模型參數(shù)矢量L2范數(shù)極小

；預(yù)測誤差矢量L2范數(shù)極小

根據(jù)先驗(yàn)信息，既可對誤差加權(quán)，也可對模型參數(shù)加權(quán)，加權(quán)方式不同，解的形式不同。（）。

A:錯(cuò)B:對

答案:對

第三章單元測試

任意M×N階矩陣G的M-P逆存在，并且唯一。（）。

A:對B:錯(cuò)

答案:對地球物理反問題中的欠定問題對應(yīng)的線性方程組是不相容線性方程組。（）。

A:錯(cuò)B:對

答案:錯(cuò)正交分解的基本思想是將任意M×N階矩陣G分解為幾個(gè)簡單或特殊矩陣相乘的形式，以便M-P逆G+能夠被簡單地求解。（）。

A:對B:錯(cuò)

答案:對數(shù)據(jù)分辨矩陣與下列（）有關(guān)。

A:預(yù)測數(shù)據(jù)

B:核矩陣

C:附加的先驗(yàn)信息

D:觀測數(shù)據(jù)

答案:核矩陣

；附加的先驗(yàn)信息

混定問題的數(shù)據(jù)和模型分辨率展布函數(shù)都不為零表明混定問題并非所有的數(shù)據(jù)都是獨(dú)立的，而且模型解不唯一。（）。

A:錯(cuò)B:對

答案:對

第四章單元測試

地震層析成像反演主要包括（）。

A:反演結(jié)果的評價(jià)

B:反演及圖像重建

C:正演計(jì)算地下介質(zhì)屬性的理論值

D:模型的參數(shù)化

答案:反演結(jié)果的評價(jià)

；反演及圖像重建

；正演計(jì)算地下介質(zhì)屬性的理論值

；模型的參數(shù)化

代數(shù)重建技術(shù)（ART）算法中的每次迭代對所有射線都需要用進(jìn)行反向投影，且每次迭代都需要采用更新后模型重新進(jìn)行射線追蹤(正演)得到新的理論走時(shí)。（）。

A:對B:錯(cuò)

答案:對代數(shù)重建技術(shù)（ART）算法的不足主要體現(xiàn)在（）。

A:抗噪能力差，迭代不穩(wěn)定

B:計(jì)算精度略遜于Kaczmarz算法

C:反演解與初始模型有關(guān)并受強(qiáng)不相容方程在迭代序列中位置的影響

D:反演解的收斂速度太慢

答案:抗噪能力差，迭代不穩(wěn)定

；計(jì)算精度略遜于Kaczmarz算法

；反演解與初始模型有關(guān)并受強(qiáng)不相容方程在迭代序列中位置的影響

；反演解的收斂速度太慢

聯(lián)合迭代重建技術(shù)（SIRT）的基本思想是將經(jīng)過某個(gè)單元格的所有射線的修正量都計(jì)算出來，然后取所有射線修正量的平均值作為模型參數(shù)的修正量。（）。

A:對B:錯(cuò)

答案:對聯(lián)合迭代重建技術(shù)（SIRT）算法實(shí)質(zhì)是ART算法的一個(gè)變種。（）。

A:錯(cuò)B:對

答案:對

第五章單元測試

下列屬于解決非線性反問題的線性化方法有（）。

A:泰勒級數(shù)展開法

B:廣義逆法

C:參數(shù)代換法

D:梯度法

答案:泰勒級數(shù)展開法

；參數(shù)代換法

；梯度法

最優(yōu)化問題的收斂準(zhǔn)則（迭代終止準(zhǔn)則）可以是（）。

A:自變量改正量充分小

B:目標(biāo)函數(shù)值等于零

C:目標(biāo)函數(shù)梯度充分接近于零

D:目標(biāo)函數(shù)下降充分小

答案:自變量改正量充分小

；目標(biāo)函數(shù)梯度充分接近于零

；目標(biāo)函數(shù)下降充分小

最速下降法是以目標(biāo)函數(shù)的梯度方向作為搜索方向來尋找目標(biāo)函數(shù)極小值的。（）。

A:對B:錯(cuò)

答案:錯(cuò)牛頓法只利用了目標(biāo)函數(shù)的二階導(dǎo)數(shù)信息，比最速下降法(只用一階導(dǎo)數(shù)，即梯度)有更好的效果。（）。

A:錯(cuò)B:對

答案:錯(cuò)Levenberg-Marquardt（LM）方法是通過將Hessian矩陣進(jìn)行修正，結(jié)合了最速下降法和牛頓法的優(yōu)點(diǎn)。（）。

A:錯(cuò)B:對

答案:對

第六章單元測試

與遺傳算法收斂性有關(guān)的因素主要包括（）。

A:種群規(guī)模

B:選擇概率

C:交叉概率

D:變異概率

答案:種群規(guī)模

；選擇概率

；交叉概率

；變異概率

遺傳算法中的變異操作是對種群模式的擾動(dòng)，有利于增加種群的多樣性。但變異概率太大則會(huì)使遺傳算法成為隨機(jī)搜索算法。（）。

A:錯(cuò)B:對

答案:對人工神經(jīng)網(wǎng)絡(luò)算法是一個(gè)數(shù)學(xué)模型，可以用電子線路來實(shí)現(xiàn)，也可以用計(jì)算機(jī)程序來模擬，是人工智能研究的一種方法，模擬人腦處理信息的功能。（）。

A:錯(cuò)B:對

答案:對BP網(wǎng)絡(luò)