电磁场逆问题的贝叶斯(Bayes)统计推断方法

电磁场逆问题一直以来都是计算电磁学领域的研究热点。从应用的角度它可以分为两大类：优化设计问题和参数辨识问题。其中优化设计问题的本质就是给定电磁系统期望的性能指标，然后通过参数的寻优来实现这一目标。针对优化设计问题，本项目研究的核心内容包括模型重构技术和序贯优化技术。其中模型部分主要研究统计近似模型的重构理论与方法：包括参数方法的响应面模型、径向基函数模型和半参数的克热金模型，以及非参数的神经网络模型。其理论基础均为经典统计理论、现代贝叶斯统计推断理论以及试验设计与分析技术。序贯优化部分重点研究模型的序贯优化技术及其与算法的同步优化过程，主要利用统计学中的序贯估计理论和序贯采样方法。同时还将研究近似模型的最优选择策略。针对参数辨识问题，核心研究内容是贝叶斯统计推断方法和蒙特卡洛方法的应用。最后结合实际应用给予验证。本项目的研究目的是提供一套系统的电磁逆问题的贝叶斯统计推断方法和试验设计技术。