基于GA-BP神经网络的地震预报技术

概述遗传算法(GA)和BP神经网络的原理,利用遗传算法具有全局搜索能力且不易陷入局部极小点的特性,优化BP神经网络的连接权值和阈值,使得计算结果全局最优,以弥补BP算法的不足。选取闽粤赣交界及东南沿海地区的地震目录作为研究样本,提取出7个测震学前兆指标作为预报因子,构建GA-BP神经网络进行训练和仿真。震例检验结果显示,该优化方法的震级预测精度较BP神经网络有较大提升,具有对地震震级预测的可行性。     

利用遗传算法和最小二乘联合反演共和地震位错参数

中国地震局第二地形变监测中心已监测到与1990年4月26日青海共和7.0级地震有关的大幅度隆起垂直形变资料．基于这些形变资料,本研究首先利用全局搜索性能优良的遗传算法和弹性半空间单一矩形均匀滑动模型,对该地震的震源位错参数进行了初步反演;然后以遗传算法的反演结果为初始值,利用拟牛顿阻尼最小二乘方法对该地震的震源位错参数进行了更精细的反演．结果表明,共和7.0级地震的发震断层为一走向NW60左右、倾向SW、倾角37左右的右旋走滑逆冲断层,同震断层破裂长度约37 km,宽度约6 km,错动幅度约2.7 m．反演结果还同时表明,遗传算法与最小二乘方法相结合是一种行之有效的联合反演方法,它既可以保证实现全局最优解,防止最小二乘方法的局部极值解问题,又可以有效地解决遗传算法达到全局最优解区域后收敛速度过慢的问题．      

基于遗传算法的小波神经网络在地震形变前兆分析中的应用

利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,并利用优化后的小波神经网络训练地震前兆形变资料,运用MATLAB对拟合和预测过程进行仿真。结果表明,该方法对地震预测有参考作用。     

基于BP网络本构模型的SMA拉索系统优化控制分析

通过试验测试了SMA材料的超弹性性能,以材性试验数据作为BP网络的训练样本,建立了SMA经遗传算法优化的BP网络本构模型。在MATLAB中直接调用该本构模型,利用改进的遗传算法,对一空间模型结构进行了SMA位置和数量的优化,并对最优布置方案进行了地震反应分析。结果表明,相比未优化的BP网络,优化后的BP网络本构模型与试验曲线吻合地更好,稳定性更高;BP网络本构模型调用简单,精度高,便于SMA控制系统的MATLAB仿真分析。改进的遗传算法能够保证遗传过程中SMA根数的不变,提高全局搜索的效率,获得更优的布置位置;经优化配置后的SMA控制系统可以更加有效发、地降低结构的地震反应,布置4根SMA拉索时,模型结构的层间位移之和即可减少44.51%。     

用遗传算法实现地震信号反褶积

遗传算法作为寻优手段具有全局优化和很好的稳定性．本文将遗传算法用于地震信号反褶积处理，与已往方法相比它具有更好的分辨率和稳定性我们采用Bernoulli－Gaussian模型和ARMA模型分别描述地震反射系数序列和地震子波，用最大似然和最小预测误差准则分别构造用于估计反射系数序列和地震子波的目标函数，用遗传算法优化目标函数，以实现地震信号反褶积．     

基于IGA算法的电阻率神经网络反演成像研究

为满足地球物理资料反演解释的高精度、快速、稳定的要求,本文结合免疫遗传算法寻优速度快和BP神经网络反演不依赖初始模型等优点,设计了一种将BP神经网络和免疫遗传算法进行有机结合的全局优化反演策略,并将该策略成功地应用于二维高密度电法数据反演.利用免疫遗传算法(Immune Genetic Algorithm,简称IGA)对神经网络的反演参数进行同步优化,提高了电阻率反演的精度.仿真和实验结果验证设计的全局优化反演策略取得了较好的效果,通过与线性反演方法和BP法以及遗传神经网络法等反演方法进行比较,得出该方法具有反演精度更高,反演时间更短等显著优势的结论.     

关于遗传算法收敛性的注记

遗传算法是一种受到广泛注意的全局优化算法,已经在包括地震工程的很多领域获得应用。本文将结合这一算法的实际操作步骤,对简单遗传算法的不收敛性和包含最优个体保护策略的遗传算法的收敛性给出一个简要的证明。     

关于-遗传算法收敛性的注记

遗传算法是一种受到广泛注意的全局优化算法,已经在包括地震工程的很多领域中获得应用.本文将结合这一算法的实际操作步骤,对简单遗传算法的不收敛性和包含最优个体保护策略的遗传算法的收敛性给出一个简要的证明.     

复杂地形条件下静校正的综合寻优

复杂地形，特别是山地条件下地震勘探中的大静校正问题是 一个非线性的、具有多参数多极值的全局优化难题. 本文综合利用最大能量法、模拟退火与 遗传算法的各自优势，提出一种具有局部收敛速度快、全局搜索能力强的综合寻优反演方法 . 其中对产生伪静校正量的零空间现象进行空间平滑滤波剔除. 理论数值计算及实际资料的 处理说明本方法适应能力强、静校正效果较好.     

基于自适应量子遗传算法的地震重定位及其在山东地区的应用

将自适应量子遗传算法引入到地震定位中,通过多种数值试验证明了算法的有效性,同时也具有较强的全局搜索能力和抗噪能力.即使用于定位的台站数目较少且分布不理想,该算法通过多次反演求取平均值仍然能得到令人满意的结果.另外,利用多次数值试验估测的自适应量子遗传算法的定位精度较高,误差较小.将自适应量子遗传算法应用于山东省及邻区的地震重定位,均方根残差由重定位前的1.162s减小到重定位后的0.621s,重定位后的地震大多位于中上地壳,震源深度小于20km.通过对各剖面震源分布的分析,发现山东省及邻区地震主要受控于区域内的深大走滑断裂,且中强震多发生在高/低速异常体周围,尤以高低速异常过渡地带频发.     

应用遗传算法建立地震预报的分类体系初探

本文对模拟自然界生物进化过程的遗传算法和用它所建立的分类体系进行了简要介绍，并将它们应用于地震预报探索研究，建立了初步的地震预报分类体系，结果表明：采用具有自动学习和自相适应的方法，结合现有的研究成果，可以将地震活动性的时空参数结合起来综合考虑，获得较为优化的地震预报规则集。     

利用改进的粒子群算法反演视震源时间函数

视震源时间函数的提取是研究震源参数的重要途径. 本文提出了利用改进的粒子群(PSO)算法反演视震源时间函数的方法, 以水平线方法得到的结果作为PSO算法的初值, 并对PSO算法的惯性因子和学习因子进行改进, 提高计算效率. 采用改进的PSO算法对模拟数据进行了反演计算, 并与映射Landweber反褶积(PLD)方法和遗传算法(GA)进行了对比分析. 结果表明, 相对于PLD方法, 改进的PSO算法反演结果与真实结果误差更小; 相对于遗传算法, 改进的PSO算法计算效率提高了5倍以上. 最后, 利用改进的算法对2005年10月8日巴基斯坦克什米尔M_W7.6地震的P波视震源时间函数进行了提取, 结果表明此次地震P波视震源时间函数在25 s之内, 震源沿西北向破裂. 该结果与张勇等的结果一致.      

基于L系统的地震裂隙模拟研究

分形技术根据物体的局部自相似特征,突破了以往只能生成较规则图形的局限性,能够利用较少的描述性语句构造出复杂的非规则图形,如树木,河流和地震裂隙等。地震断层的破裂结构具有复杂性与随机性,然而在破裂过程中,总体形态蕴涵着分形的性质,该文研究基于L系统的三维结构建模方法,用以模拟地震断层的破裂。本文通过对地震数据的采集,从整体几何结构出发,并考虑地震断层破裂的规律和岩石的各向异性,提出基于几何可观察性的三维地震断层破裂的L系统构造模型,最后基于OpenGL图形库,实现裂隙的三维可视化仿真。     

基于幂指数法的地震模拟振动台频域前馈补偿方法

针对地震模拟振动台受到系统和试件非线性等因素影响,导致波形再现精度不高的问题,提出基于幂指数法的地震模拟振动台频域前馈补偿方法以提高振动台的控制效果,通过数值仿真和实际振动台试验对该方法的控制性能进行研究。研究结果表明：基于幂指数法的地震模拟振动台频域前馈补偿方法能够快速收敛,迭代次数较少,可以大幅提高振动台的波形复现精度,能够提高振动台的控制性能。     

一种基于贝叶斯理论的P波双参数地震预警方法

为了及时、准确、可靠地发出地震预警信息,本文提出了一种基于贝叶斯理论的地震P波双参数预警方法。选取中国地震台网中心记录的四川地区的355条地震数据,统计P波触发后前3 s的P波平均周期τ_c和位移幅值P_d,结合贝叶斯理论建立震级和峰值加速度的预测模型,并以震级M4.5和峰值加速度为120 cm/s2为预警阈值,建立了地震危害性判别模型。与传统拟合方法进行对比仿真分析,并以汶川M_S8.0地震为震例,进行地震危害性判别实验与分析。实验结果表明:本文提出的基于贝叶斯理论的地震 P 波双参数预警方法比传统拟合方法地震漏报率低 15.15%,可以快速、准确地估计震级与峰值加速度,并有效地评估地震的危害性,能够为地震监测预警提供数据支持和决策依据。      

A combined simulation–genetic algorithm optimization model for optimal rule curves of a reservoir: a case study of the Nam Oon Irrigation Project,Thailand

A combined simulation–genetic algorithm (GA) optimization model is developed to determine optimal reservoir operational rule curves of the Nam Oon Reservoir and Irrigation Project in Thailand. The GA and simulation models operate in parallel over time with interactions through their solution procedure. A GA is selected as an optimization model, instead of traditional techniques, owing to its powerful and robust performance and simplicity in combining with a simulation technique. A GA is different from conventional optimization techniques in the way that it uses objective function information and does not require its derivatives, whereas in real‐world optimization problems the search space may include discontinuities and may often include a number of sub‐optimum peaks. This may cause difficulties for calculus‐based and enumerative schemes, but not in a GA. The simulation model is run to determine the net system benefit associated with state and control variables. The combined simulation–GA model is applied to determine the optimal upper and lower rule curves on a monthly basis for the Nam Oon Reservoir, Thailand. The objective function is maximum net system benefit subject to given constraints for three scenarios of cultivated areas. The monthly release is calculated by the simulation model in accordance with the given release policy, which depends on water demand. The optimal upper and lower rule curves are compared with the results of the HEC‐3 model (Reservoir System Analysis for Conservation model) calculated by the Royal Irrigation Department, Thailand, and those obtained using the standard operating policy. It was found that the optimal rule curves yield the maximum benefit and minimum damages caused by floods and water shortages. The combined simulation–GA model shows an excellent performance in terms of its optimization results and efficient computation. Copyright © 2007 John Wiley & Sons, Ltd.     

Dynamic model updating using a combined genetic‐eigensensitivity algorithm and application in seismic response prediction

A reliable computational model is necessary for evaluating the state and predicting the future performance of existing structures, especially after exposure to damaging effects such as an earthquake. A major problem with the existing iterative‐based model updating methods is that the search might be trapped in local optima. The genetic algorithms (GAs) offer a desirable alternative because of their ability in performing a robust search for the global optimal solution. This paper presents a GA‐based model updating approach using a real‐coding scheme for global model updating based on dynamic measurement data. An eigensensitivity method is employed to further fine‐tune the GA updated results in case the sensitivity problem arises due to restricted measurement information. The application on shear‐type frames reveals that with a limited amount of modal data, namely the lowest three natural frequencies and the first mode shape, it is possible to achieve satisfactory updating by the GA alone for cases involving a limited number of parameters (storey stiffness herein). With the incorporation of the eigensensitivity algorithm, the updating capability is extended to a sufficiently large number of parameters. In case the modal data contain errors, the GA is also shown to be able to update the model to a satisfactory accuracy, provided the required amount of modal data is available. An example is given in which a 6‐DOF stick model for an actual six‐storey RC frame is updated using the measured dynamic properties. The effectiveness of the updating is evaluated by comparing the measured and predicted seismic response using the updated model. Copyright © 2005 John Wiley & Sons, Ltd.     

Dislocation parameters of Gonghe earthquake jointly inferred by using genetic algorithms and least squares method

IntroductionOnApril26,1990,anMs=7.0strongewthquakeoccurrednearTanggannofarminnerGonghebasin,QinghaiProvince.Aftertheevent,theSecondCrustalDeformationMonitoringCented,ChinaSeismologicalBureau,immediatelyconductedarelevelingsurveyalongthetwolinesacrosstheearthquakeregioninMayandJuneof1990,thereweretotally27levelingpoilltsreoccupied.Alongwiththelastpre-earthquakelevelingsurveyin1978,abigupliftwiththemaximum345mmatDH20aswellasasmallsubsidencewiththemaximum45.1mmatDH16havebeendetected(Figur…     

地震动模拟过程中断层参数的敏感性分析

地震发生后通常无法快速获取较准确的断层参数,这可能会对采用地震动模拟方法进行地震动强度快速评估产生影响。选取美国西部两次地震,采用两种地震动模拟方法,通过改变断层走向、滑移角、倾角和震源深度等主要断层参数进行模拟计算,分析不同参数对地震动参数和反应谱值的影响以及不同方法计算结果的准确性。结果表明:GP方法模拟的结果比EXSIM方法更接近观测值;在参数误差范围内,相比于模拟方法本身的误差,各参数对模拟结果的影响较小,地震动强度快速评估时可以利用较合理的快速反演断层参数进行地震动模拟。     

微种群遗传算法优化结构振动控制

本文将微种群遗传算法应用到结构振动控制中，用遗传算法优化控制器，以解决一类用经典线性反馈控制无法解决的半主动控制的优化问题，该方法提出将非线性控制问题线性化，导出了简化过程，然后利用遗传算法求解，它具有利用微种群遗传算法全局寻优，并且对目标函数的性态要求较少的特点，数值算例表明，本文方法是有效的。