基于PCA-GEP算法的边坡稳定性预测

提出一种基于主成分分析的基因表达式程序设计算法,并将其用于边坡稳定性预测。该算法先采用主成分分析法对样本数据进行预处理,有效地减少预测模型的输入量,消除输入数据间的相关性,再将得到的新样本数据输入基因表达式,构建边坡稳定性的预测模型。利用该预测模型对82个危险圆弧破坏边坡实例中的71个实例进行学习,对另外11个实例进行预测,取得了较好的效果。在保留传统的以误差值作为评判模型优劣标准的同时,引入AIC信息准则法,分别对v-SVR算法和GA-BP网络算法和PCA-GEP算法三种预测模型进行比较分析,结果表明,运用该算法可以获得更优的预测模型,其预测结果比v-SVR算法和GA-BP网络等其他算法得到的结果具有更高的预测精度。工程实例计算表明,该方法是合理、可行的。     

对三维离散单元法中块体接触判断算法的改进

三维离散单元法中块体间的接触判断一般采用间接方法。基于公共面法,引入直接判断法对传统的间接判断算法进行改进,并通过算例进行了对比,结果表明,改进后的算法比原算法具有更高的效率。     

群居蜘蛛优化算法在水文频率分析中的应用

水文频率分析在参数估计过程中常采用智能优化适线法,如蚁群算法、遗传算法、粒子群算法、模拟退火算法等,但这些算法模型参数难以有效确定,导致寻优结果存在不稳定的不足。为了克服传统优化适线法的缺陷,在系统阐述群居蜘蛛优化算法基本原理的基础上,将群居蜘蛛优化算法用于水文频率曲线的参数确定中,并与传统的参数估计方法(矩法、权函数法、概率权重矩法、遗传算法)加以比较。实例结果表明,该方法搜索效率高,寻优结果稳定,能较好获得参数的最优解。     

方差体的改进算法及在地震解释中的应用

传统的三维地震方差体算法计算时间较长。为了缩短解释周期,在算法分析的基础上,采用递推算法对传统的方差体算法进行改进,并开发出方差体分析处理软件。通过对实际资料处理与测试表明,改进算法速度较常规方法快,方差体技术对断层、裂隙发育带等地质异常体具有良好的识别效果,提高了地震资料的解释精度。      

考虑三维变形的柔性和刚性基础沉降计算方法

传统的分层总和法不能考虑地基三维变形,计算基础沉降的误差非常大。为了减小分层总和法修正系数的范围,基于侧限压缩试验的e-p曲线,推导了能够考虑三维变形的柔性基础沉降算法。只要把传统算法的分层压缩量乘以一个修正系数,新算法就可以在分层总和法基础上考虑地基土的侧向变形。进一步地,通过调整基础底面的压力分布,推导了条形刚性基础沉降的近似算法。算例分析表明,考虑三维变形的沉降算法可以解决传统分层总和法在计算小尺寸基础时沉降过小的问题。计算表明,小尺寸刚性基础沉降计算结果比传统分层总和法大,大尺寸刚性基础沉降计算结果比传统分层总和法小,这可能是导致分层总和法修正系数范围过大的原因之一。应用文中方法有希望减小分层总和法的一部分误差。     

水文地质模型参数估计的一种数值方法

给出了用于水文地质模型参数估计的一种改进的基因算法,分析了该算法参数的寻优特性,得到了该算法参数的简便设置技术,并结合实例说明了它的应用。     

地震相干体算法的改进及应用

近年来,相干体技术在地震勘探资料解释方面的应用有着重要突破。由于相干体处理的对象主要是三维地震数据体,传统的方法计算需要运行较长时间。为缩短解释周期,在研究算法分析的基础上,采用递推算法、乘幂法等,对传统的相干体算法进行了改进,大大地提高了计算速度。这里介绍了相干体技术的改进算法,在微机上开发出相干体分析软件,并在实际的三维地震体储层评价上得到成功的应用。测试证明,运算速度较常规方法提高了5~7倍,这充分表明了该方法的有效性。     

基于模拟退火算法的阵列声波测井组分波慢度提取

为了提高阵列声波测井组分波慢度提取的精度,基于模拟退火算法以及慢度—时间相关(STC)法的原理,提出了模拟退火算法与慢度—时间相关法结合的阵列声波测井资料处理新方法。该算法核心是将慢度—时间相关法的相关系数经过变换作为模拟退火算法的能量函数,利用模拟退火的全局寻优能力求取组分波慢度。对于纵波,在退火前使用长短时窗能量比法进行波至点的求取可以将二维搜索简化为一维;对于其他组分波,分别使用该算法进行慢度—波至点二维搜索以提取慢度。实例表明,与常规的纵波速度测井对比,该算法提取的纵波精度比传统STC方法处理结果高9.94%;横波结果与传统STC方法的差别为0.29%;斯通利波结果与传统STC方法的差别为0.42%。算法在一定程度上提高了解释精度,在实际应用中有较好效果。     

用无穷边界元分析半无限域问题

在边界积分方程离散的基础上,根据远场位移的特性,用衰减函数描述远场位移,阐述了自适应高斯积分算法,并结合前人成果—用解析法求出在远场上的强奇异积分,编制了适合于半无限域线弹性问题的计算机程序,并进行了事例验证,验证表明,该法比传统边界元具有更高的精度。     

基于规则三角网的等值线追踪与填充算法的实现和应用

等值线图是众多学科成果展示的必要图件之一。针对传统的基于规则网格的等值线追踪算法的复杂性和不确定性,提出一种基于规则三角网的等值线追踪和等值线填充算法,并运用C++编程语言在VC++6.0集成开发环境中实现了该算法。最后将编制的软件应用于区域地球物理调查成果集成与方法技术研究项目中,并通过与surfer9软件在成图效果和成图速度的对比,证明了算法的正确性和高效性。     

混合遗传算法在大地电磁一维反演中的应用

遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。     

基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题，针对传统二进制遗传算法收敛性能差的缺陷，提出了反演含水层参数的十进制遗传算法.以直线隔水边界附近的井流模型为例，讨论了十进制遗传算法在含水层参数反演中的应用，并与二进制遗传算法的进行比较.结果表明，该方法在含水层参数的反演中不仅是可行的，而且具有较好的确定性和较高的精度;与二进制遗传算法相比，十进制遗传算法的收敛性较好，省时高效，且表示较为自然，容易引入相关领域知识.同时，结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。     

基于改进遗传算法的Holt-Winters模型在采空沉陷预测中的应用

针对遗传算法存在的缺陷,提出了用小生境方法改进遗传算法。为了提高采空沉陷预测精度,借助Holt-Winters模型的预测功能,应用改进遗传算法求解和优化Holt-Winters模型组合参数,形成了改进遗传算法-Holt-Winters模型组合算法。将组合算法应用于长平高速公路采空区路段沉陷预测,计算表明：改进遗传算法弥补了传统遗传算法易早熟、局部寻优能力弱的缺陷;改进遗传算法-Holt-Winters模型组合算法克服了按梯度试算法搜索质量差和精度不高的缺点,输出稳定性好,预测结果相对误差在2%以内,预测精度显著提高;在采空沉陷中长期预测的相对误差小于0.79%,该算法可用于中长期采空沉陷预测。     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

基于混合遗传算法估计van Genuchten方程参数

van Genuchten(VG)方程是最常用的土壤水分特征曲线方程,其参数取值的精度直接影响到土壤水分运动方程计算的精度.该文建立了VG方程参数的优化模型,构建遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法对其进行求解,并进行了数值试验.结果表明采用混合遗传算法比普通遗传算法不但提高了收敛效率,而且收敛迭代次数也大大减少;采用混合遗传算法估计参数的精度比非线性单纯形法和阻尼最小二乘法要高一些,而且不需要给参数初值.因此,混合遗传算法可以作为估计VG方程参数的一种新方法.     

基于SAGA-FCM的煤与瓦斯突出预测方法

为提高模糊C-均值聚类（Fuzzy C-Means Clustering Algorithm,FCM）算法在煤与瓦斯突出预测中的准确度,提出一种将模拟退火算法（Simulated Annealing Algorithm,SA）与遗传算法（Genetic Algorithm,GA）相结合用于模糊C-均值聚类分析的煤与瓦斯突出预测方法。该方法综合了模拟退火算法全局搜索、高精度的优点和遗传算法强大的空间搜索能力,将经遗传模拟退火算法优化后的初始值赋给FCM,避免了由于聚类中心初始值选择不当造成FCM算法收敛到局部极小点上。结合典型突出矿井数据进行分析,结果表明:遗传模拟退火算法优化后的FCM算法较单一,预测准确度高。      

基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

基于遗传算法的软土地基沉降预测

基于自然进化原理的遗传算法是一种解决岩土工程复杂非线性问题十分有前景的方法。对遗传算法中一些具有代表性的算法作了简要分析和评论。软土地基沉降受众多因素的影响,在时序上表现出复杂的非线性特征。针对一个加固纠偏工程的沉降预测问题,运用MATLAB编写遗传算法程序进行了预测分析。计算结果与实测资料基本一致,它在全局优化、非线性优化、多参数优化等方面表现出了传统算法无法比拟的优势。     

遗传模拟退火的BP算法在冲击地压中的应用

冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。     

基于模糊遗传算法的边坡稳定性分析

针对传统遗传算法存在收敛速度和早熟问题的现象,将模糊控制理论与遗传算法相结合,提出了基于模糊遗传算法的边坡稳定性分析方法.工程实例计算表明,本文方法不仅能克服传统方法容易陷入局部最小值的缺点,而且较SGA(简单遗传算法)有更高的搜索效率.