基于DREAM＿ZS算法的EIT电阻率反演方法研究

摘要

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.

关键词

电阻抗成像 / 参数反演 / 贝叶斯理论 / BP神经网络 / DREAM＿ZS算法