应用单纯形-模拟退火混合算法估计河流水质参数

将由单纯形法(SM)与模拟退火(SA)两种算法构成的混合算法(SMSA),应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据,估计河流水质参数的函数优化问题。分别就不同的降温指数、内循环次数与新状态产生函数中的扰动系数等算法控制参数对混合算法和改进模拟退火法的收敛速度的影响,进行了数值实验。结果表明,SMSA混合优化算法对于求解估计河流水质参数的函数优化问题是非常有效的。在实验条件下,与单一具有记忆功能的改进模拟退火法的水质参数计算结果相比较,SMSA混合算法具有:①混合算法的收敛速度明显优于改进模拟退火法;②降温指数和内循环次数对SMSA混合算法的收敛速度影响非常微弱;③新状态产生函数中的随机扰动幅度大小对算法收敛速度具有较为明显的影响等特点。     

确定河流纵向离散系数的快速SA法

将模拟退火算法应用求解分析河流水团示踪试验数据,确定河流纵向离散系数的函数优化问题.针对一般模拟退火算法收敛性能差的缺陷,采取了改变模型扰动、接受概率、降温方式以及增加附加约束条件和增加记忆功能等综合措施对算法进行了改进.实例分析结果表明,改进后的模拟退火算法确定河流纵向离散系数的优化问题不仅可行,而且求解精度较高,更重要的是收敛速度比其它算法快的多,这在一些高维复杂的优化问题中很值得推广.     

利用混沌粒子群算法确定河流水质模型参数

将混沌寻优思想引入到粒子群优化算法中,提出了混沌粒子群算法,这种方法利用混沌运动的随机性、遍历性和规律性等特性对当前粒子群体中的粒子进行混沌寻优。通过这种处理使得粒子群体的进化速度加快,从而改善了粒子群优化算法摆脱局部极值点的能力,提高了算法的收敛速度和精度。并将混沌粒子群算法应用于求解分析瞬时投放示踪剂情况下的一维河流水团示踪试验数据以及确定河流水质参数的函数优化问题,结果表明,混沌粒子群算法的收敛性能明显优于粒子群优化算法。     

变参数DCD算法在岩土工程位移反分析中的应用

常规DCD(dynamic canonical descent)算法具有全局优化能力且无需考虑目标函数的可微性,只要预先定义优化空间即可,但是该算法的收敛速度有限,为此提出了变参数DCD算法,并建立了其相应的算法迭代格式。在数值试验和工程应用中将该变参数DCD算法与常规的DCD算法进行比较,其结果均表明：变参数DCD算法在全局优化能力和收敛速度上找到了一个均衡点,该算法不仅具有DCD算法的全局优化能力,而且收敛时所需的目标函数评估次数少,在优化过程中该算法展示出了稳定性强且优化结果可靠度高的一面。     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

随机搜索算法在确定河流水质参数中的应用

将两种随机搜索算法应用于识别瞬时投放示踪剂、一维流动的条件下的河流水质数学模型参数.分别编写了原始随机搜索和受控随机搜索两种算法的运算程序,采用不同待估水质参数的初始输入值进行了数值实验.结果表明:①两种搜索方式均可成功地应用于河流水质数学模型的参数识别问题;②待估参数的初始值输入范围对算法的收敛性几乎没有影响;③控制搜索方向对随机搜索速度有一定的改进,但改进作用并不明显.与其它算法相比,随机搜索算法具有原理非常简单、易于编程运算、搜索速度和搜索结果与参数初始输入值范围基本无关且基本不需要预先给定算法控制参数等优点.     

基于改进模拟退火算法的剩余静校正及程序实现

模拟退火算法是以固体退火过程为物理背景的全局优化算法,能很好地解决剩余静较正中的非线性问题和"周期跳跃"现象,但也存在迭代次数大、收敛速度慢和费时等缺点。针对以上缺点,提出了改进方案:设计了新的退火策略对温度的衰减进行控制,以减少迭代次数和加快收敛速度;采用时窗内采样点的振幅差之和作为目标函数,以加快计算速度;通过在低温时对模型扰动进行约束,加快最优解的求取。通过对模拟数据和新疆某地区的实际地震资料进行剩余静校正处理,表明改进模拟退火的剩余静校正不但收敛快、效率高,而且能有效提高叠加剖面的分辨率和信噪比。     

多维连续参数的随机试验蚁群算法优化反演分析

针对一般蚁群算法难以求解优化反演中的多维连续参数优化问题,借鉴进化思想,提出随机试验蚁群算法求解多维连续参数全局优化问题的方法。该方法主要运用随机试验求出每个参数的任一水平对目标函数的影响度,以此影响度为蚂蚁选择下一个参数水平的能见度,从而确定参数水平被选中的概率。同时考虑到当参数被划分的水平很多时目标函数收敛较慢的缺点,提出用方差分析法来确定参数的水平对目标函数的影响是否显著,将对目标函数影响不显著的参数水平其信息素设置为很小的值,从而加速目标函数的收敛。通过对一个岩土工程优化实例,表明了该算法的有效性。     

基于改进遗传算法的河南地区水文地质参数反演计算研究

利用改进遗传算法对河南地区水文地质参数进行反演计算,并结合抽水试验方式对反演参数的精度进行分析。结果表明:改进遗传算法可使得水文地质参数取得局部最优解,且加速收敛速度,通过抽水试验分析,两个参数的反演误差均在15%以内,且较传统算法有明显改善。研究成果对于河南地区水文地质参数反演具有重要的方法参考价值。     

基于自组织神经网络的砂土液化评价

在分析自组织特征映射(SOFM)神经网络基本学习算法的基础上,从提高算法收敛速度和性能出发,提出了一种改进算法:根据实际应用并结合专家经验确定初始连接权值;采用高斯函数作为拓扑邻域函数;将算法分为粗调整和细调整两个阶段,分别采用不同的学习率和邻域函数,然后采用改进后的SOFM算法对砂土液化进行评价。实例研究表明,应用SOFM神经网络评价砂土液化高效可行,为砂土液化评价提供了新方法。     

地下水补给对河流水质模型的影响

以经典的一维水质模型及其解为基础,将地下水对河流的补给作用作为河流水质模型的一项影响因子,利用迭加原理,给出受到沿途地下水补给影响下的河流水质模型的解析解.利用这一新解析解,定量研究地下水补给作用对河流水质模型参数的影响规律.地下水渗出(相当于一点污染源)进入河流后,在随河水向下游运移的过程中,其水质浓度也将发生衰减."连续线源"对河流水体中溶质衰减过程的影响,不简单等同于几个"点源"的迭加.含水层与河流间水量交换作用,更宜用"连续线源"去刻画.以颖河为例,河流两岸潜水补给对河流水质模拟计算的影响程度研究表明,地下水补给对河流溶质沿河变化规律的影响,理论上不能用"综合衰减系数k值"简单反映,而且它对k值计算影响相当大.     

非饱和土壤溶质迁移转化模型参数优化估算

在分析非饱和土壤中水分和溶质迁移转化规律的基础上,采用与坐标网格相适应的分块连续作用的水动力函数,研究模型参数最优化估算技术.运用Gauss-Newton最小化计算的Levenberg-Marquardt修正法来实现反求模型的迭代问题.该方法被应用于估算一维土柱和二维土槽试验研究模型的参数,探讨了参数给定与估算数量对参数的置信区间和预测效果的影响.经验证表明,参数优化估算技术是可行的,以此参数进行模型预测,其结果是可信的.     

非保守示踪剂条件下的河流水质参数的确定

将描述示踪剂为非保守、瞬时投源条件下的一维河流水团示踪试验的解析表达式进行2次适当的变形,分别得到一个二元和一元线性方程。对二元线性方程应用相关系数极值法,可以推导出计算河流横断面平均流速的公式;利用直线图解法或一元线性回归法能够计算出一元线性方程中的2个常数值,据此可以计算河流的纵向离散系数D_L与示踪剂的一级反应速率常数k。与现有的数据分析方法相比较,该方法具有:(1)适用于示踪剂为非保守的情况;(2)利用一组野外试验数据可以同时计算河流离散系数D_L、河流横断面平均流速V与示踪剂的一级反应速率k常数3个参数值;(3)全部数据分析过程可以程序化,由计算机完成等特点。     

基于MPSO的RBF耦合算法的桩基动测参数辨识

变异粒子群优化算法（MPSO）是一种基于群体智能的改进全局优化技术,其优势在于减小陷入局部极值的机率,增加全局搜索能力。将变异粒子群算法与径向基函数（RBF）神经网络结构进行结合,建立了变异粒子群神经网络（MPSO-RBF）耦合算法,充分发挥了MPSO算法的全局寻优能力和RBF算法的局部搜索优势。数值计算结果表明,所建立的方法能够对桩基动测进行多参数的识别和非线性优化问题的求解,具有良好全局收敛能力,是一种行之有效的智能算法。     

资料缺失河道水质风险分析

资料缺失是进行水质风险分析的薄弱环节。结合水质指标浓度分布的先验信息及已有水质资料,在分析水质指标相关关系基础上建立其随时间变化的浓度分布模型,应用Bayes理论及Gibbs抽样方法对模型涉及的大量参数和超参数的统计特征进行了同步估计。在假定缺失数据为随机变量的基础上,应用该方法得到的大量样本较好实现了对缺失数据的估计,并结合风险分析理论进一步量化了水质超标风险。通过实例验证了模型的合理性,为资料缺失地区的水质风险分析提供了新的思路和方法。     

基于不确定性分析框架的动态环状河网水质模型——以温州市温瑞塘河为例

以温州市温瑞塘河为背景,基于不确定性分析的框架,开发了动态环状河网水质模型。用HSY(Hornberger,Spear and Young)算法作水质参数的不确定性分析,求得模型参数的空间分布,从而提高模型使用的可靠性、降低决策的风险度。模型由水量子模型及水质子模型两部分组成:水量子模型采用圣维南方程并用四级解法求解;水质子模型采用CSTR(Continuously Stirred Tank Reactor)模型的机理,并结合环状河网特征作了修正,由于只需解常微分方程,因而避免了矩阵求解,显著提高了计算效率,使得用HSY算法进行不确定性分析成为可能。模型选取温州市温瑞塘河流域的鹿城区河网进行了首次应用,用HSY算法率定水质参数并讨论了参数的不确定性。对参数率定结果进行验证,结果比较理想。最后简要讨论了参数不确定性传递。     

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。