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。     

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。     

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。     

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。     

基于随机配点法的地下水污染风险评价

地下水污染事件难以被直接观测,其发生环境通常也具有多种不确定性,风险评价可以量化地下水污染事件的危害性。利用随机配点模型和多项式抽样技术,建立了高效的风险评价模型;考虑了渗透系数、孔隙率和弥散度等多种不确定性因子,探讨了复杂条件下的风险函数的分布特征。研究结果表明:基于随机配点法的风险评价模型避免了多次重复求解对流弥散方程,通过计算成本低廉的随机配点技术得到浓度随机场的拉格朗日多项式,进行多项式抽样获取浓度样本并得到风险函数;与传统的解析算法相比,该方法无需对输入参数和浓度的分布形态做出假设;与传统的蒙特卡罗(Monte Carlo)算法相比,该模型具有明显的效率优势和优越的收敛速度;输入参数的分布类型对风险分布产生显著影响。     

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。     

机器学习算法反求水文地质参数

传统方法求解优化问题时,一般都是依据最小二乘原理来确定目标函数。鉴于这种方法没有考虑到原始测量数据的误差对计算结果及精度带来的影响。为此,提出机器学习算法改进传统的目标函数,同时结合双评价粒子群算法来求解水文地质参数。结果表明,该算法具有良好的收敛性和稳定性,求解效率高,简单易实现。      

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。     

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.     

利用非稳定流抽水试验资料确定水文地质参数的解析法

本文针对目前利用非稳定流抽水试验资料,采用图解法或试算法进行逼近求解水文地质参数所存在的问题,以泰斯非稳定流计算公式为基础,通过对井函数的优化拟合,提出了采用非稳定流抽水试验资料确定水文地质参数的解析计算法,与其它求解方法比较,具有计算简捷,不依赖图表,求解精度高等优点。     

基于?－SVR和GA的初始地应力场位移反分析方法研究

基于一种改进的支持向量机（?－SVR）和改进的遗传算法（GA）,提出一种初始地应力场位移反分析方法。该方法通过正交设计方法安排较少次数的正分析方案,用?－SVR对正分析中测点位移值与参数构成的样本集进行学习,建立参数取值与观测点测值的非线性隐式方程;采用确定性或随机反分析的思路确定反分析的优化目标函数,并利用GA搜索最优参数取值。采用?－SVR方法建立的参数取值与位移量测点测值的非线性隐式方程,能够以很高的精度拟合和预测不同参数取值时的观测点测值,因此,可以用该隐式方程代替正分析,减少计算量;采用改进的GA方法能够准确搜索到最优参数;搜索到的最优参数值与理论值相当吻合。算例表明,基于?－SVR和GA的初始地应力场位移反分析方法是一种行之有效的初始地应力场位移反分析方法,可以广泛用于初始地应力场确定性反分析和随机反分析。     

相遇蚁群算法在边坡非圆弧临界滑动面搜索中的应用研究

边坡非圆弧临界滑动面搜索是边坡稳定计算中的一个关键问题,其实质为安全系数最小的滑动路径搜索问题,采用效果良好的路径搜索算法--蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点,基于蚂蚁正反向搜索相遇形成完整路径的原理,提出了一种相遇蚁群算法。将该算法用于边坡非圆弧滑动面搜索问题,提出了一种非圆弧临界滑动面搜索的新方法。通过2个边坡的算例计算及一个水库岸坡的工程应用,验证了新算法的有效性。计算结果表明,相遇蚁群算法无论是整个搜索范围还是从某一点起的搜索范围都要比一般蚁群算法大,所以相遇蚁群算法在搜索边坡临界滑动面时所得到解的多样性也要比一般蚁群算法好,因此,相遇蚁群算法的搜索范围能以较大的概率包含全局最优解,算法最终也能以较大概率搜索到全局最优解。最终,相遇蚁群算法可以在更大的范围内以更快的速度找到边坡的临界滑动面。     

基于蚁群聚类算法的岩石边坡稳定性分析

由于岩石边坡影响因素众多且关系复杂,不能用简单的方法进行分析和判断。在工程类比的基础上,一般采用聚类的方法。但由于边坡工程问题环境的复杂性,岩石边坡稳定分析的聚类问题是一个复杂的模糊、随机优化问题,采用传统方法难免带来很多局限性。为了更好地解决这类问题,首次把蚁群聚类算法这种新近提出的仿生聚类算法引入岩石边坡工程领域,以解决其稳定分析问题,提出一种分析岩石边坡稳定问题的新方法。该方法在分析岩石边坡工程实例资料的基础上,采用蚁群聚类算法,以工程类比的思想判断岩石边坡的稳定状态。工程应用证明,该算法可以自动把岩石边坡分成几种类似的状态,判断准确率较高、计算速度较快,是一种比较实用的岩石边坡稳定分析方法,值得在岩石边坡分析领域推广应用。     

土质边坡失稳判别的CA-AA耦合模型

解决边坡稳定性问题的关键是确定最危险滑动面(潜在最危险滑动面)和边坡的稳定系数。将蚁群算法用于求解土质的边坡稳定性问题。针对蚁群算法在演化过程中存在停滞和过早收敛的现象,对基本蚁群算法的结构形式和蚂蚁转移概率的计算进行了改进。构建了一种新的蚁群算法——元胞蚁群算法(CA-AA)。在文武坡边坡稳定性判别中,利用CA-AA法计算得到其稳定系数为1.37,略小于《岩土工程勘察规范》不平衡推力法计算值,弥补了不平衡推力法的不足,更接近实际。算例结果表明:元胞蚁群算法(CA-AA)总能搜索到问题的全局最优解,且搜索效率也有较大的提高。     

基于开发流体势的蚁群算法在优势渗流通道预测中应用

优势渗流通道的形成会影响油藏注水开发的效果,如何判别与预测优势渗流通道成为研究重点。本文提出了基于 开发流体势场的蚁群算法预测优势通道的方法,认为开发流体势场包括位能、压能、动能及界面能,流体在油藏内部分 布的差异,决定了油藏内部流体势能大小的差异。将蚁群算法理论引入到油藏开发中,提出了以流体势场为基础的蚁群算 法模型。在东河1油田进行运用,在建立油藏流体势模型的基础上,对过井流体势剖面进行了蚁群算法模拟。在模拟初 期,受层内流体势分布差异性影响,不同韵律小层内部高浓度信息素的分布存在差异,即优势通道分布存在差异。在模拟 后期,受层间流体势分布差异性影响,高浓度信息素主要集中在CIII2-2、3-1和3-2小层,即在这些小层中优势通道较发 育,运用动态资料进行验证,效果较好。     

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。     

岩石力学参数的非线性随机反分析

从概率统计学估计原理出发，考虑工程中实测位移的随机波动性，应用随机反分析的目标函数，并得出反演参数方差计算公式，引用弹塑性开裂模型描述岩体的性态，非线性迭代采用收敛稳定的子增量变Kp法。同最小二乘法反分析作比较，研究结果表明随机反分析更符合实际岩石工程的实际情况。     

基于蚁群算法的光谱分解方法剔除植被干扰信息

针对遥感图像预处理工作中,光谱分解方法处理速度慢而蚁群算法识别目标速度快的特点,结合蚁群算法和线性光谱混合模型,建立基于蚁群搜索的光谱分解模型,以剔除植被干扰信息。选取青海黄南州吉地地区为研究区,首先确定蚂蚁移动规则,然后建立基于蚁群算法的光谱分解模型,最后根据模型重构不含有植被信息的新的多波段图像,通过残差图分析以及原图与剔除植被后影像对比分析,初步验证了基于蚁群算法的光谱分解方法剔除植被干扰信息的可行性。      

基于蚁群算法的严格最大剩余推力临界滑动面搜索

临界滑动面搜索一直是边坡稳定性分析中十分重要的课题,由于极限平衡法具有理论简单,易于被工程师掌握的优点,因此,仍在工程应用中占主导地位。剩余推力法是国内学者提出的一种简单实用且有较高精度极限平衡法,已被纳入国家规范。针对目前剩余推力法条间力假设简单,只考虑了力的平衡而忽略力矩平衡的缺点,通过Spencer法迭代构造了严格剩余推力法边坡临界滑动面搜索优化的模型,并结合蚁群算法搜索出了最大的剩余推力相应的临界滑动面。该模型具有精度高,收敛快的特点。最后给出的两个算例与传统的蚁群算法直接搜索安全系数最小得到的结果做了比较,表明了本文方法的正确性。     

双洞隧道施工引起地表移动的多参数反分析研究

应用随机介质理论计算隧道开挖引起的地表移动是目前广泛使用的方法,在关键参数的取值上反分析是最有效的手段。在双洞隧道的反分析问题上,通常认为2个隧洞的参数相同而采用双参数反分析,但这种做法不利于反映实际情况,为此文中提出为每个隧洞引入各自计算参数进行多参数反分析。实际算例表明,双洞4参数的分析结果优于双参数的分析结果。但是,4参数反分析问题复杂性大大提高,传统的模式搜索方法不能很好地搜索到最优参数。为克服该问题,采用单纯形混合加速遗传算法作为双洞隧道4参数反分析问题的求解方法。实际的应用及测试表明,该方法能高精度的、稳定的搜索出全局最优参数。