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。     

改进模拟退火法在估计河流水质参数中的应用

将模拟退火法应用于求解分析河流水团示踪试验数据，确定河流水质参数的函数优化问题。针对标准SA算法收敛速度缓慢的弱点，采取了增加附加约束条件、设置内阈值提前降温和增加记忆功能等综合措施对算法进行了改进。算例表明，综合改进措施能够明显地提高算法收敛速度，并可以得到满意的参数计算结果。计算结果也表明，内循环次数不会对外循环次数产生明显的影响。由于算法对目标函数没有附加要求，而且算法的收敛性与待估参数的初值无关，因此，改进SA算法在分析河流水质试验数据、确定水质参数方面．将会具有非常广的应用范围。     

SVM算法在鞍山地区河道纵向离散系数计算分析中的应用研究

采用SVM算法为对河道纵向离散系数进行计算,并结合室内物理模型试验方式对其计算精度进行分析。分析结果表明:SVM算法可优化河道离散系数的求解精度,和试验测定系数对比,其计算均方差在0. 42～2. 96 m~2/s之间,计算结果合理。研究方法对于河道离散系数推求具有重要的参考价值。     

河流纵向分散系数研究

研究了天然河流纵向分散系数理论公式及其参数的确定问题.借助于抛物型断面型态方程确定了河道垂线水深沿河宽的分布及流速分布对断面平均流速的偏离u‘的横向分布,给出了横向混合系数计算方法.在此基础上通过对Fischer的三重积分的直接求解,建立了新的天然河流纵向分散系数计算公式.这一新建立的纵向分散系数计算公式与原有的有代表性的经验公式以及26条美国河流上实测的59组资料进行了比较,比较结果表明,本文建立的纵向分散系数计算公式能给出与实测纵向分散系数最接近的预测值.与现有的其它纵向分散系数计算公式相比,本文建立的天然河流纵向分散系数公式理论上更加合理,机理上更加清楚,并且具有最小的预测误差.     

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。     

围岩力学参数反演的GSA-BP神经网络模型及应用

针对遗传算法（GA）存在早熟现象和局部寻优能力较差等缺陷,引入具有很强局部搜索能力的模拟退火算法（SA）,组成改进的遗传模拟退火算法（GSA）提高优化问题的能力和求解质量。针对BP神经网络容易陷入局部最小和收敛速度慢等方面的不足,应用改进的遗传模拟退火算法搜索BP神经网络的最优权值和阀值,提高BP神经网络的预测精度,建立了围岩力学参数反分析的GSA-BP神经网络模型。将该模型应用于乌东德水电站右岸地下厂房围岩力学参数的反演分析中,根据监测围岩变形数据反演围岩力学参数,反演所得参数应用到正计算分析中,得出的计算位移与实测值吻合较好,说明该方法的有效性和应用于该工程的可行性。     

混凝土热学参数试验与反分析研究

确定混凝土绝热温升和表面散热系数需要专用设备,价格昂贵,且和施工现场存在较大误差。针对这一问题,采用基于施工现场的混凝土立方体非绝热温升试验,结合非稳定温度场求解的三维有限单元法仿真计算技术和反问题优化求解的遗传算法,以辨别和确定包括热交换系数、绝热温升和绝热温升规律系数在内的混凝土热学特性参数。反演结果表明,所得参数能真实反映混凝土的热学性能,遗传算法作为一种优化算法,具有收敛速度快、效果好等特点。     

快速模拟退火算法在含水层参数识别中的应用

针对一般模拟退火算法收敛速度慢的缺陷,本文提出了含水层参数识别的快速模拟退火算法。它以广义Boltzmann-Gibbs统计理论为基础,采用依赖于温度的似Cauchy分布产生新的扰动模型,通过改变模型扰动、接收概率和降温方式来加快模拟退火算法的收敛速度。实例的计算结果表明,快速模拟退火算法不仅可行,而且求解精度高,收敛速度比其他算法快得多,是一种值得在实际中推广应用的高效的含水层参数识别方法。      

各向异性岩应力-渗流耦合问题的反分析

在岩土工程实践中对于诸如各向异性岩体的应力-渗流耦合分析等复杂问题,建立用于同时确定多类参数的反分析方法具有重要意义。以位移量测信息为基础信息,对基于复变量微分法的优化算法（Levenberg-Marquit法）引入异步长因子矩阵 ,建立同时反演确定初始地应力、围岩性态参数和渗透系数的协同优化变步长反演算法。对不同的参数借助搜索迭代过程,确定不同的步长因子系数。异步长因子矩阵可使在峰值附近不收敛的参数重新选择搜索方向,使其收敛至精确值。算例表明,异步长因子矩阵可成功地用于协调各类参数敏感性之间的差异,从而有效改进多参数耦合反演的收敛性和收敛速度,使算法具有更好的适应性和有效性,为岩土工程的复杂问题的求解提供一种方法。     

边坡最危险滑动面全局搜索的模拟退火算法及改进

最危险滑动面的确定是边坡稳定性分析中一个至关重要的问题。利用模拟退火算法,结合简化Bishop法,进行边坡最危险滑动面的搜索。在分析模拟退火法中存在的不足及其根由的基础上,对算法进行了改进。通过计算机编程技术实现了改进的模拟退火算法。计算结果与典型算例对比证明：改进后的模拟退火算法能够有效避免局部最优解,方法具有实用性。     

A comparative performance of least-square method and very fast simulated annealing global optimization method for interpretation of self-potential anomaly over 2-D inclined sheet type structure

Inversion of self-potential anomaly for 2-D inclined sheets of infinite horizontal extent has been studied. Least-square inversion and very fast simulated annealing global optimization has been used to model the five parameters of self potential anomaly. The method of least square and very fast simulated annealing global optimization method is compared and analyzed. Very fast simulated annealing can model the noisy and field data of self potential anomaly very precisely than linear inversion technique. However, time taken by very fast simulated annealing inversion is larger than linearized inversion. The comparative analysis has been done on synthetic data (noise free and noisy) and two field data from Bavarian woods anomaly, Germany and Surda anomaly, India to show the efficacy of both the methods. The estimated parameters were compared with those from previous studies using various global optimization algorithms, mainly neural network, genetic algorithm and particle swarm optimization on the same field data sets. It can be concluded that the global optimization algorithms considered in this study were able to yield compatible solutions with those from least-square methods. The present global optimization method is in good agreement with the other global optimization methods in terms of results and computation time.     

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。     

基于模拟退火粒子群优化算法的裂缝型储层各向异性参数地震反演

发育垂直定向排列裂缝的地下岩石可等效为具有水平对称轴的横向各向同性（horizontal transverse isotropic,HTI）介质。针对HTI介质模型,本文研究了裂缝型储层的各向异性参数地震振幅随方位角变化（amplitude variations with azimuth,AVAZ）的反演方法。首先,在地震AVAZ反演流程中,提出采用模拟退火粒子群优化算法实现裂缝型储层各向异性参数反演。之后,通过理论模型测试,验证了基于模拟退火粒子群优化算法的地震AVAZ反演的有效性。最后,将反演方法应用于四川盆地龙马溪组页岩气储层实际方位地震数据;在反演之前先利用傅里叶级数方法估计裂缝方位并对实际数据进行方位校正,以提供更准确的输入数据;通过计算得到的P波、S波各向异性参数可用于评价裂缝发育程度。反演结果表明,研究区域构造顶部裂缝较发育,与地质基本理论一致,验证了反演方法的合理性。     

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。     

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。     

改进的遗传算法在堆石体参数反演中的应用

在研究堆石坝问题中,堆石体参数的合理估计非常重要,根据工程实测值反演堆石体参数不失为一种有效估计参数的新思路。在传统遗传算法操作过程中,引入模拟退火的Metropolis接受准则,并结合系统识别的基本原理改进了遗传算法。将改进的新算法应用于堆石坝主要堆石料的参数反演,结果显示其误差很小、收敛速度快、精度高的优越性,克服了传统的梯度优化方法和单纯形法所具有的搜索速度随反演参数增多呈级数减慢、容易陷入局部极值点和误差传递导致不收敛等缺点,值得在本领域参数优化中推广。     

并行组合模拟退火算法在边坡稳定分析中的应用

采用自适应有限元法分析边坡的应力场,然后应用并行组合模拟退火算法建立基于应力场的边坡任意形状临界滑动面的全局搜索方法。该方法适用于任意几何形状,不同岩土材料分层以及多种荷载作用的复杂边坡。并行组合模拟退火算法是将模拟退火算法和遗传算法相结合的优化算法,它可以从多个初始点开始并行寻优,能以较快的速度找到全局最优解。通过工程实例分析,证明这种基于自适应有限元分析和并行组合模拟退火算法搜索边坡临界滑动面的方法可行、高效。     

Practical considerations in the application of simulated annealing to stochastic simulation

Realizations generated by conditional simulation techniques must honor as much data as possible to be reliable numerical models of the attribute under study. The application of optimization methods such as simulated annealing to stochastic simulation has the potential to honor more data than conventional geostatistical simulation techniques. The essential feature of this approach is the formulation of stochastic imaging as an optimization problem with some specified objective function. The data to be honored by the stochastic images are coded as components in a global objective function. This paper describes the basic algorithm and then addresses a number of practical questions: (1) what are the criteria for adding a component to the global objective function? (2) what perturbation mechanism should be employed in the annealing simulation? (3) when should the temperature be lowered in the annealing procedure? (4) how are edge/border nodes handled? (5) how are local conditioning data handled? and (6) how are multiple components weighted in the global objective function?