基于连续不确定区域的蚁群算法求解水文地质逆问题

本文在介绍求解复杂组合优化问题而提出的蚁群算法的基础上,提出一种基于连续不确定区域的蚁群算法。该方法将连续变量优化问题转化为一个组合优化问题,进而将蚁群算法求解。通过两个水文地质逆问题的求解,表明该方法在参数识别中计算结果可靠,具有较好的计算效率。     

差分进化算法在三峡电站厂内经济运行中的应用

差分进化算法是一种基于群体进化的算法,具有记忆个体最优解和种群内信息共享的特点,即通过种群内个体间的合作与竞争来实现对优化问题的求解,其本质是一种基于实数编码的具有保优思想的贪婪遗传算法。本文将差分进化算法用于求解三峡电站厂内经济运行问题,同时又将该算法与标准遗传算法相比较,结果显示差分进化算法优化效果明显优于标准遗传算法,差分进化算法的全局的收敛性比标准遗传算法强,差分进化算法是求解大型水电站经济运行问题的有效方法。     

使用双核计算机并行求解水文地质参数研究

在建立地下水流模型的过程中，模型验证一直是较为复杂的步骤之一，具体难点包括寻优方法的选用，为保持总体平衡所引起的参数峰值异常以及总体寻优需要大量的计算机时等问题。本文运用区域分解法中D-N交替法的基本思想，在计算目标函数值时，将整体求解水文地质模型的过程分解为计算各参数分区内的子模型的过程，并在双核计算机上实现了并行计算。理想算例的计算结果证明了该方法用于水文地质逆问题求解的可行性，它不仅减少了求解过程中所需要的计算机时，而且提高了参数的拟合度。最后将这种方法应用到山东鹏山水源地的水文地质参数求解问题中，由结果可以看出，运用该方法反求水文地质参数是可行的，具有很好的应用前景。     

单纯形—模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点,同时为了克服各自算法的弊病,提出采用单纯形—模拟退火混合算法(SMSA)进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现,并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明,SMSA算法在水文地质参数反演计算具有求解速度快,精度高的特点,而且易于实现并行运算。     

单纯形一模拟退火混合算法反求水文地质参数及其并行求解

本文利用单纯形法局部搜索速度快和模拟退火算法全局寻优的特点，同时为了克服各自算法的弊病，提出采用单纯形一模拟退火混合算法（SMSA）进行水文地质逆问题的求解。论文详细描述了SMSA算法的具体操作算子的实现，并将该算法应用于一个大型水源地的地下水模拟反演。计算结果表明，SMSA算法在水文地质参数反演计算具有求解速度快，精度高的特点，而且易于实现并行运算。     

利用非稳定流抽水试验资料求解水文地质参数的新方法

针对目前利用非稳定流抽水试验资料求解水文地质参数所存在的问题,通过对泰斯非稳定流计算公式中井函数的优化拟合,建立了一个二元线性回归方程,利用求解回归方程中的待定常数反求含水层的水文地质参数的新方法,与传统的其它计算方法比较,本文方法具有计算简捷,不依赖图表,求解精度高等优点.     

进化策略及其改进算法在深基坑支护优化设计中的应用研究

进化策略是一种新的求解全局最优问题的方法,应用该方法对深基坑支护结构进行了优化设计的初步研究。针对进化策略在处理非线性函数的优化问题及高维优化问题时在收敛速度和收敛性方面存在的不足,将禁止搜索与有向搜索相结合,提出了一种快速进化策略算法,有效地克服了传统进化策略的缺点。工程实例分析研究表明,进化策略不受设计空间的可微性、连续性等限制,特别适合于求解支护工程这类具有离散设计变量和非确定性因素的工程设计问题;改进的进化策略具有更好的收敛性,有极强的避免局部极值的全局优化能力。     

用Hooke-Jeeves方法进行水文地质参数寻优的研究

模型验证阶段的水文地质参数调整一直是地下水数值模拟过程中的关键步骤。传统的参数调试方法如试估—校正法既需要大量的时间，又必须凭借经验进行人工干预。这对于本就缺少经验的人来说是无法逾越的难题。因此前人研究了包括单纯形等多种自动优化方法来反求水文地质参数。本文采用的Hooke-Jeeves法是一种算法简单，便于使用的优化方法，它避免了单纯形法必须先形成一系列单纯形顶点及通过形心寻优的麻烦，而是根据误差下降趋势直接寻优获得结果。方法首先将反求水文地质参数问题简化为一无约束优化问题，最终运用Hooke—Jeeves方法对问题进行求解，是一种简单且实用的方法。     

应用改进并行遗传算法反求水文地质参数研究

利用单纯形法局部搜索速度快和遗传算法全局寻优的特点,同时为了克服两种方法各自的弊病,提出采用混合单纯形技术的并行遗传算法(Hybrid Simplex Parallel Genetic Algorithm,SPGA)进行水文地质逆问题的求解。详细阐述了SPGA算法的具体操作和实现,并将该方法应用于水源地的地下水模拟反演中。计算结果表明,SPGA算法在水文地质参数寻优计算中具有比较好的可靠性和计算效率。     

仿生算法在地下水模型反演中的应用现状与展望

求解地下水逆问题是水文地质学研究的重要内容,传统的基于非线性优化技术的求解地下水逆问题的方法存在收敛速度慢,寻优效率低,易陷入局部最优的缺点。基于模仿生物功能和习性而开发的人工神经网络、遗传算法、蚁群算法、粒子群算法、入侵杂草算法、免疫算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、蝙蝠算法、布谷鸟算法和果蝇优化算法、蚊子算法、螳螂算法、人工鱼群算法、捕鱼策略算法等仿生算法具有很强的优化能力和寻优效率。人工神经网络、遗传算法、蚁群算法、粒子群算法等4种仿生算法在求解地下水逆问题的应用实践表明,这些方法可以按较大的概率找到全局最优解,且收敛速度较快。确定适当的目标函数转换形式和算法参数,其它仿生算法也完全可以用于地下水模型反演。从这些算法的理论和已应用于其它领域的实践来看,仿生算法在求解地下水逆问题中具有广阔前景。     

利用差分进化算法反求含水层参数

为更好地估算含水层参数,引入了差分进化算法。该算法是一种智能优化算法,其特点是借助现有近似解群体间的距离及方向指导未来的搜索行为,兼具有较好的全局寻优能力和较快的局部搜索能力。用此算法求解了均质各向同性及均质各向异性条件下Theis公式中的含水层参数,所用降深数据是在设定参数后利用解析解计算得到的。计算结果表明,该算法较传统方法计算精度高,不受人为因素干扰。     

SCE-UA算法在新安江模型及TOPMODEL参数优化应用中的研究

利用江西修水流域资料，将遗传算法和SCE—UA算法对新安江模型汇流参数及TOPMODEL参数进行优化，并对其结果进行了分析研究，得出了以场次洪水拟合的确定性系数为指标，用SCE—UA算法对TOPMODEL参数自动优化的结果比新安江模型的结果稍好的结论。     

解非均质各向异性地下水渗流模型的改进型有限差分法

常用的求解地下水渗流模型有限差分法，三角形单元Δikj内水文地质参数相同，以相同参数的三角形单元进行参数分区，这种方法，对某些情形可以达到解决地下水渗流场模拟和预报问题，但对非均质各向异性有一定的局限性。本文阐述了以三角形单元的棱边控制面积作为参数分区的最小单元的参数分区方法，建立了单元非等参有限差分方程，给出了实际应用例子。该方法可更准确刻画非均质各向异性问题，同时兼容以往的差分方程，可退化成一般有限差分格式。     

概念性流域水文模型参数多目标优化率定

针对传统基于单一目标的水文模型参数优化率定方法不能充分挖掘水文系统不同动态行为特征的缺陷,提出一种多目标文化混合复形差分进化算法(Multi-objective Culture Shuffled Complex Differential Evolution,MOCSCDE)用于求解水文模型参数多目标优化问题。MOCSCDE算法将混合复形进化算法(Shuffled Complex Evolution,SCE-UA)置于文化算法(Cultural Algorithms,CA)进化的框架中,利用种群进化过程中提取的各种知识指导算法的运行,提高算法的运行效率,同时考虑到SCE-UA中单纯形算子不能充分利用种群个体信息的不足,采用全局搜索能力强的差分进化算法(Differential Evolution,DE)替代单纯形算子,可以更加充分利用种群个体信息进行演化计算,进一步提高算法的计算效率。将MOCSCDE算法应用于概念性水文模型——新安江模型的参数多目标优化率定,并与NSGA-Ⅱ和SPEA2算法进行对比分析,结果表明MOCSCDE算法的收敛性和分布性均优于NSGA-Ⅱ和SPEA2,可为水文预报提供更为全面可靠的参数组合决策依据。     

Application and performances of unconstrained optimization methods in seafloor AVO inversion

Seafloor elastic parameters are important for seafloor engineering and geophysical detection beneath the seafloor. We have proposed to use AVO (amplitude variation with offset) theory to estimate seafloor elastic parameters. However, the previous inversion methods are time-consuming. To improve the computing efficiency, we try to solve the inverse problem as an unconstrained optimization problem in this paper. Three kinds of classical unconstrained optimization methods are applied to seafloor AVO inversion, including the steepest descent method, the Newton’s method, and the conjugate gradient method. Then, we design different initial models to test the convergence behaviors of the three methods. Numerical tests show that the perturbation level of the initial models and the noise level of the observed data have a significant effect on the convergence performances of the three methods. Even for the same perturbation and noise levels, the convergence performances differ with different combinations of the perturbed initial elastic parameters. All three methods have higher computing efficiency than the previous methods. This research also offers a strategy to choose a proper optimization method for a specific case in real seafloor AVO inversion.     

新安江模型参数的线性化率定

为了解决一般概念性水文模型参数率定结果不稳定的问题,以新安江模型为例,提出了新安江模型日模参数的线性化率定方法。首先通过理想模型将该方法与SCE-UA方法及单纯形方法进行对比研究。率定结果中3种算法所获得的平均目标函数值分别为0.02、0.10、8.39 m³/s,平均循环次数分别为8、637、327,而且由线性化率定方法所获得的各参数值方差也要比其他2种方法小得多;说明线性化率定方法能够找到参数真值,计算精度和效率更高,率定结果更稳定。然后采用建阳和长滩河2个流域的实测资料对该方法进行应用检验,结果表明,同样可以较快地率定出稳定的模型参数优值。建阳流域的10组率定结果的目标函数值皆为100.35 m³/s,循环次数也皆在8次以内,而且2个流域检验期的径流深相对误差皆在9.68%以内,确定性系数皆在0.819以上。因此,线性化参数率定方法确实能够解决非线性模型参数率定结果不稳定的问题,不会产生不相关的局部参数优值,并且不受参数初值影响,计算精度高,循环次数少,是一种可行有效的全局优值参数优选方法。     

大连周水子海水入侵区地下水多目标优化管理模型

将改进后的遗传算法GA（添加了小生境、Pareto解集过滤器等模块）与变密度地下水流及溶质运移模拟程序SEAWAT-2000相耦合,新开发了变密度地下水多目标模拟优化程序MOSWTGA。将MOSWTGA应用于求解大连周水子地区以控制抽水井所在含水层不发生海水入侵为约束的地下水开采多目标优化管理模型,得到地下水最大开采量与海水入侵面积之间一系列Pareto近似最优解。研究成果不仅为实行合理的地下水资源配置提供了科学的实用模型,同时也为解决多个优化目标下的变密度地下水优化管理问题提供高效可靠的模拟优化工具,具有重要的潜在环境经济效益。     

应用并行PEST算法优化地下水模型参数

基于列文伯格-马夸尔特（Levenberg-Marquardt）算法的PEST参数优化程序具有寻优速度快、健壮性好的优点,在地下水模型参数优化研究中有许多成功的应用实例。但是,对于大尺度、高精度和高复杂性的大规模地下水模拟,使用PEST进行参数优化需要大量的计算时间,优化效率较低。本文应用OpenMP并行编程方法对PEST算法进行了并行化,使之可以在共享存储并行计算机上进行参数优化的并行计算。并将此方法应用于甘肃北山区域地下水模型的参数优化中,并行实验表明,使用并行化的PEST可以将地下水模型参数优化效率提高3.7倍。      

隧道围岩稳定性正算反演分析研究——以厦门海底隧道穿越风化深槽施工安全监控为例介绍

为了降低海底隧道施工风险,确保隧道施工顺利穿越海底几处风化深槽和风化囊区域,解决难以获得隧道围岩力学参数的技术难题,采用位移反分析方法建立了动态反演预测模型;作为比较,还简单介绍了弹塑性反演的一种全局优化方法。根据隧道典型断面实际监控量测的围岩拱顶沉降量和周边收敛位移量,结合先行服务隧道揭露的水文地质情况,进行优化反演分析,得到该类围岩初期支护后的等效弹性模量和等效侧压力系数。在相应的同类地质条件下,对后续将开挖的左、右主洞围岩采用边界元法进行正演数值计算,使之能为主洞施工方案比选以及支护设计参数调整与修正提供定量依据,做到信息化动态设计与施工。工程实例分析表明,利用正算反演分析法得出的围岩等效力学参数是可靠的,可据此对类似地质条件下主隧道围岩进行正演计算分析,预测主洞围岩的变形破坏模式,判断其围岩稳定性。位移反分析法是隧道施工变形理论预测分析与工程实际相联系的有效平台,为工程设计施工技术决策提供了一种切实有效的途径。     

Swarm intelligence-based solver for parameter estimation of laboratory through-diffusion transport of contaminants

Theoretical approaches are of fundamental importance to predict the potential impact of waste disposal facilities on ground water contamination. Appropriate design parameters are generally estimated by fitting theoretical models to data gathered from field monitoring or laboratory experiments. Transient through-diffusion tests are generally conducted in the laboratory to estimate the mass transport parameters of the proposed barrier material. These parameters are usually estimated either by approximate eye-fitting calibration or by combining the solution of the direct problem with any available gradient-based techniques. In this work, an automated, gradient-free solver is developed to estimate the mass transport parameters of a transient through-diffusion model. The proposed inverse model uses a particle swarm optimization (PSO) algorithm that is based on the social behavior of animals searching for food sources. The finite difference numerical solution of the forward model is integrated with the PSO algorithm to solve the inverse problem of parameter estimation. The working principle of the new solver is demonstrated and mass transport parameters are estimated from laboratory through-diffusion experimental data. An inverse model based on the standard gradient-based technique is formulated to compare with the proposed solver. A detailed comparative study is carried out between conventional methods and the proposed solver. The present automated technique is found to be very efficient and robust. The mass transport parameters are obtained with great precision.