围岩稳定性评价的投影寻踪权重-属性区间识别模型

围岩的稳定性评价是一个复杂的不确定系统问题。采用粒子群算法优化投影寻踪方法,并结合属性区间识别理论,建立了围岩稳定性评价的投影寻踪权重-属性区间识别模型。选取5个围岩稳定性影响因子作为评价指标,通过构造属性测度区间函数计算单指标属性测度区间,利用基于粒子群优化的投影寻踪确定各评价指标的权重以计算综合属性测度区间,应用置信度准则和评分准则对围岩的稳定性进行属性识别。实例研究表明,该模型能有效的解决围岩稳定性评价问题,且评价结果科学可靠;评价模型采用投影寻踪确定权重,避免了权重确定中的主观性和随意性,保证了评价工作的客观性和准确性。     

洪水灾情投影寻踪评估模型

洪水灾情评估是多因素评价问题,它是包括自然、环境、社会经济等多种因素综合作用的结果,必须对各因素进行综合评估,而不能仅依据某单项指标得出评价结论。目前国内外还没有统一的洪水灾情评估指标体系和各指标定量化等级标准。根据投影寻踪技术提出了洪水灾情投影寻踪评估模型,将评价样本的各因素进行线性投影,以最优投影方向所对应的投影特征量作为评价依据,该模型计算过程简单、结果直观,更重要的是评估结果无人为任意性。将这一模型用于1998年洪水的分类和我国部分省市的洪水灾情评估中。实例分析表明,该模型能够很好地对各种洪水灾情进行有效的评估,是一种处理多因素复杂评价问题的新途径。     

投影寻踪分类模型评定相似流域

简要介绍了基于遗传算法的投影寻踪分类模型,并将其首次用于水文计算中相似流域的选择。对一个实例的应用研究表明,此模型能给出一个综合考虑流域中多指标间复杂关系的特征指标,利用这个指标取得合理的评定结果,且新模型计算过程简单,结果直观,为水文计算中水文比拟法提供了新思路。     

基于PSO-PP的围岩稳定性评价

围岩的稳定性评价是一个复杂的不确定系统问题。结合投影寻踪方法、粒子群算法和逻辑斯谛曲线函数,建立了围岩稳定性评价的粒子群优化投影寻踪(projection pursuit based on particle swarm optimization,PSO-PP)模型。该模型一方面采用粒子群算法优化投影指标函数及逻辑斯谛曲线函数参数,确保了模型的准确性;另一方面利用逻辑斯谛曲线函数建立投影值与经验等级之间的非线性关系。模型的测试结果显示了良好的精度,实例分析结果与实际状态完全一致,表明该模型在围岩稳定性评价中的可行性和有效性。     

基于投影寻踪技术的矿井突水水源判别模型——以新庄孜煤矿为例

投影寻踪是一种降维处理技术,它可以将高维分析问题通过投影方向转化为低维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题,结合Matlab的遗传算法工具箱进行优化求解.本文以淮南新庄孜煤矿为例,建立突水水源判别投影寻踪模型,并与模糊综合评判模型、神经网络模型、灰色聚类模型进行分析比较.结果表明:投影寻踪判别模型能够有效地判别突水水源,比模糊综合评判、神经网络模型、灰色聚类模型具有更高的准确性,为矿井突水水源判别提供了一个新途径.     

基于足球联赛竞争算法-投影寻踪-云模型的水资源短缺风险评价

为客观衡量水资源短缺风险评价过程中的随机性与模糊性,将正态云模型引入水资源短缺风险评价,建立足球联赛竞争算法-投影寻踪-正态云评价模型,以云南省各州市水资源短缺风险评价为例进行实例研究。从水资源等系统遴选20个指标构建水资源短缺风险评价指标体系和分级标准,采用云模型正向发生器计算水资源短缺风险分级评价指标的隶属度;在分级标准阈值间随机内插样本构造投影寻踪优化目标函数,利用足球联赛竞争算法、粒子群算法、布谷鸟搜索算法和差分进化算法优化投影寻踪目标函数并进行比较,并通过足球联赛竞争算法-投影寻踪法给出各指标权重;根据隶属度矩阵和权重矩阵计算水资源短缺风险评价的分级确定度并进行评价,评价结果与投影寻踪法、模糊综合评价法比较。结果表明:足球联赛竞争算法寻优精度高于粒子群算法等3种算法。昆明市、怒江州和迪庆州水资源风险评价为低风险;玉溪市、保山市、文山州和德宏州评价为较低风险;曲靖市、昭通市、普洱市、临沧市和红河州评价为中等风险;其余州市评价为较高风险,评价结果与投影寻踪法、模糊评价法基本一致。足球联赛竞争算法-投影寻踪-正态云评价模型兼具模糊性和随机性,既能反映水资源短缺风险评价分级的定性概念,又可反映隶属程度的不确定性,具有较好的应用价值。     

投影寻踪法在建立积雪深度模型上的应用

针对融雪期积雪深度变化问题的高维非线性、非正态特点,利用投影寻踪法将积雪深度变化多指标问题转化为单一投影指标问题,采用遗传算法优化投影方向得出最佳投影值,最终得到对积雪深度变化影响较大的因子,实现在低维空间上反应积雪深度变化的目的。实例分析结果表明:影响积雪深度变化的各因素贡献力依次为:土壤地表温度净辐射空气温度土壤体积含水量风速空气相对湿度降水水汽压。通过建立MLP神经网络积雪深度模型表明:利用投影寻踪法提取的积雪深度主要影响因子是可靠的,且提取的主要影响因子为简化积雪深度模型提供理论依据。     

基于投影寻踪模型的节水灌溉工程方案优选

提出了节水灌溉工程方案优选的投影寻踪（PP）模型的新方法。利用PP模型可把方案多维评价指标值综合成一维投影值,投影值越大表示该方案优选,根据投影值的大小就可对方案集进行优选。采用实码加速遗传算法进行PP建模,简化了投影寻踪技术的实现过程,为投影寻踪技术在节水灌溉工程中的广泛应用提供了新的有力工具。应用实例的结果说明,直接由样本数据驱动的PP模型用于节水灌溉工程方案优选简便可行,PP模型的投影值比较分散、易于决策,适用性和可操作性强,不需确定评价指标的权重,优选结果较为客观。     

投影寻踪评价模型在隧道围岩稳定性分级中的应用

隧道围岩稳定性分级对隧道工程设计和施工具有重要的意义。利用影响隧道围岩稳定性的多种因素,应用投影寻踪评价模型建立隧道围岩稳定性分级方法,探讨了利用不便于量化为投影指标的影响因素对投影分级结果进行修正的方法。应用实例表明,投影寻踪分级结果与其它分级方法的结果相符,证实了方法的正确性。     

基于投影寻踪的汛期分期探讨

汛期分期研究是实现电站、水库动态汛限水位调度控制的基础.本文从汛期分期的实质--时序系列高维数据聚类分析出发,以投影寻踪理论为基础,构造了水库汛期分期投影寻踪模型,然后采用遗传算法实现了模型参数的优选,并将该方法应用于滦河流域潘家口水库汛期分期中,并与其它计算方法相比较,得出了合理结论.采用投影寻踪方法来进行汛期分期具有过程简单、结果直观的优点,不失为一种好方法.     

Bat algorithm for dam–reservoir operation

Optimizing reservoir operation rule is considered as a complex engineering problem which requires an efficient algorithm to solve. During the past decade, several optimization algorithms have been applied to solve complex engineering problems, which water resource decision-makers can employ to optimize reservoir operation. This study investigates one of the new optimization algorithms, namely, Bat Algorithm (BA). The BA is incorporated with different rule curves, including first-, second-, and third-order rule curves. Two case studies, Aydoughmoush dam and Karoun 4 dam in Iran, are considered to evaluate the performance of the algorithm. The main purpose of the Aydoughmoush dam is to supply water for irrigation. Hence, the objective function for the optimization model is to minimize irrigation deficit. On the other hand, Karoun 4 dam is designed for hydropower generation. Three different evaluation indices, namely, reliability, resilience, and vulnerability were considered to examine the performance of the algorithm. Results showed that the bat algorithm with third-order rule curve converged to the minimum objective function for both case studies and achieved the highest values of reliability index and resiliency index and the lowest value of the vulnerability index. Hence, the bat algorithm with third-order rule curve can be considered as an appropriate optimization model for reservoir operation.     

混沌优化算法在土质边坡稳定性分析中的应用

确定边坡最危险滑动面并计算与之相对应的安全系数是边坡支护的重要任务。本文结合简化Bishop法,用一种新的智能优化算法混沌优化算法来搜索全局最优解。该方法利用混沌运动本身具有遍历性、随机性、规律性等内在特点,能在一定范围内按其自身规律不重复地遍历所有状态,易于跳出局部最优解,具有很强的全局搜索能力。通过坡高为12.3m的某电厂三层土质边坡的典型算例分析,并和遗传算法、枚举法计算结果对比可知,计算结果超于一致,其差值接近于0,因此混沌优化算法能在很高精度下搜索到全局最优解,能很好地解决边坡稳定性分析中的优化问题。     

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。     

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。     

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

基于GA-SVR的渗透系数参数反演方法

渗透系数参数反演的本质是优化问题求解,遗传算法是一种基于自然选择和群体遗传机理的新的全局优化求解方法,可以较好地用于求解诸如渗透系数参数反演等复杂非线性组合优化问题。基于结构风险最小化原理的支持向量机具有逼近复杂非线性系统、较强的学习泛化能力,可以用来计算渗透系数参数反演过程中的测点水头值。实验表明,基于遗传算法-支持向量回归机的地下水渗透系统参数反演拟合效果良好,能大大提升区间搜索效率,避免出现局部最优解,其参数识别精度符合实际应用要求。     

L1-L2范数联合约束稀疏脉冲反演的应用

稀疏脉冲反演实际上就是利用反褶积原理, 从带有噪声的地震道中计算出具有稀疏分布特征的反射系数的振幅和时间.稀疏脉冲反演是非线性优化问题, 通常都是把非线性优化问题转化为线性优化问题, 然后用线性优化算法求解.以范数约束为基础, 提出L1-L2范数联合约束求解的方法.该算法采用了目前国际流行的内点算法, 与传统的优化算法相比, 这种算法具有精度高, 速度快的优点.通过研究人工模型和南海某油田实际数据, 表明该算法的计算结果和测井记录吻合好, 提高了地震分辨率, 目的层段分辨率优于8m.利用反射系数剖面预测的储层厚度和开发井吻合很好, 大大地降低了资源量计算的风险和油田开发的不确定性.      

基于遗传算法的钻机调度路线最优化

在实际桩基施工过程中,由施工管理人员根据自己的经验和现场的基本要求对钻机调度路线做出安排的方法不能做到对工期的有效控制和对钻机路线的优化调度.将钻机的调度问题转换成多旅行商的巡回问题并进一步分割,以求解硬时间约束的单旅行商问题.为了求得优化解,引入遗传算法,采用MATLAB编制了相应的程序.通过对上海黄埔体育中心桩基工程的应用分析,并与实际施工对照,结果表明遗传算法思想应用到实际施工中是可行的.     

PSO-based stability analysis of unreinforced and reinforced soil slopes using non-circular slip surface

Slope stability analysis is one of the most intricate problems of geotechnical engineering because it is mathematically difficult to search the critical slip surface of earth slopes with complex strata owing to the involved multimodal function optimization problem. At present, a minimum factor of safety for a non-circular slip surface in a uniform and unreinforced earth slope can be calculated using several methods; however, for a reinforced soil slope, it cannot be easily calculated because of the additional effect of the reinforcement. One efficient method to search the critical slip surface is particle swarm optimization (PSO). PSO can solve complex non-differentiable problems, and its increasing ease of use has facilitated its application to multimodal function optimization problems in a variety of fields. However, the recommended PSO parameters to calculate the safety factors of unreinforced and reinforced soil slopes, namely the inertia and local and global best solution weighting coefficients, have not been sufficiently investigated. Moreover, the computational efficiency of PSO for safety factor calculation, including computational accuracy and time, has not been clarified. To calculate the unreinforced and reinforced soil slope safety factors, this study considers force and moment equilibriums, including the tensile force of the reinforcement. Firstly, the computational efficiency of the calculation process by PSO was shown to increase the maximum number of slip surface nodes in the calculation of the safety factor. Then, an analysis was carried out to investigate the safety factor sensitivity to the PSO parameters. Based on this analysis, appropriate PSO parameters for the safety factor calculation of unreinforced and reinforced soil slopes were proposed.

     

A nonlinear multiparameter prestack seismic inversion method based on hybrid optimization approach

Multiparameter prestack seismic inversion is one of the most powerful techniques in quantitatively estimating subsurface petrophysical properties. However, it remains a challenging problem due to the nonlinearity and ill-posedness of the inversion process. Traditional regularization approach can stabilize the solution but at the cost of smoothing valuable geological boundaries. In addition, compared with linearized optimization methods, global optimization techniques can obtain better results regardless of initial models, especially for multiparameter prestack inversion. However, when solving multiparameter prestack inversion problems, the application of standard global optimization algorithms maybe limited due to the issue of high computational cost (e.g., simulating annealing) or premature convergence (e.g., particle swarm optimization). In this paper, we propose a hybrid optimization-based multiparameter prestack inversion method. In this method, we introduce a prior constraint term featured by multiple regularization functions, intended to preserve layered boundaries of geological formations; in particular, to address the problem of premature convergence existing in standard particle swarm optimization algorithm, we propose a hybrid optimization strategy by hybridizing particle swarm optimization and very fast simulating annealing to solve the nonlinear optimization problem. We demonstrate the effectiveness of the proposed inversion method by conducting synthetic test and field data application, both of which show encouraging results.