板状体磁异常数据反演的PSO算法

粒子群优化(PSO)算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题的算法,是一类随机全局优化技术,它通过粒子间的相互作用搜索复杂空间中的最优区域,其优势在于效率高,且又简单易实现。本文讨论了PSO算法用于板状体磁异常数据反演的方法,并与遗传算法(GA)进行了比较。理论和实测磁异常数据反演的结果表明,PSO算法具有更高的找寻最优解效率,是一种很有潜力的位场反演工具。     

岩土本构模型识别的仿生算法研究

从岩土材料弹塑性本构模型的通式出发,把本构模型类内识别问题转化成一个典型的参数辨识问题,并采用新近提出的对参数辨识具有良好性能的新型仿生算法--免疫进化规划进行了弹塑性模型类内识别研究,提出了一个新的模型识别进化方法。一个标准算例证明,所提方法具有良好的模型识别效果,能仅在已知量测位移的情况下,得到理想的模型形式,具有潜在的工程应用价值。     

冻土弹塑性本构模型研究现状

土体的本构模型是分析计算土工结构变形规律的关键。自剑桥模型提出以来,对于土体本构模型的研究,各国学者在不同环境条件下发展研究了适用于相应试验条件下的各类模型。随着寒区经济的发展,关于冻土力学性质的研究日益增多,许多学者借鉴常规融土的研究方法建立了不同条件下的冻土弹塑性本构模型。为了进一步理清冻土变形行为的特征,完善适用于冻土弹塑性行为的本构模拟理论和方法,作者总结和分析了各类冻土弹塑性本构模型的理论基础、建模方法、参数确定方法等内容,对进一步发展可准确描述冻土复杂力学行为的本构模型具有指导意义。     

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。     

人工冻结黏土广义开尔文蠕变本构模型模糊随机优化

冻土的蠕变本构模型是冻结法建井的重要参考资料。在-5℃、-10℃、-15℃和-20℃下,针对人工冻结黏土进行不同应力等级的单轴蠕变试验,获得不同温度、不同应力等级条件下蠕变曲线的变化规律。通过模糊随机迭代搜索改进传统的Guess-Newton算法,得到模糊随机Guess-Newton算法步骤,利用改进的算法优化广义开尔文本构模型参数,获得各温度和应力下的优化蠕变模型。工程试验表明:模糊随机Guess-Newton算法能有效地优化广义开尔文本构模型参数,使模型更好地拟合冻土各阶段的蠕变值,准确地表征了冻土的蠕变特性,同时改进后的算法较传统的算法效率更高,收敛更快。      

改进人工鱼群算法在边坡稳定性分析中的应用

人工鱼群算法是一种新的智能仿生算法。以瑞典条分法作为边坡稳定性分析模型,利用模拟退火算法对人工鱼群算法进行改进,提出了一种搜索边坡最危险滑动面及对应的最小安全系数的求解方法。该方法克服了传统优化方法容易陷入局部极值点的缺点,具有较高的计算精度,适用性强,搜索的最优解更具有全局性。最后通过工程实例进行计算,并与基本的人工鱼群算法、传统的计算方法以及GA算法进行对比分析,结果令人满意。      

基于HPSO算法的岩石非定常蠕变本构模型辨识

复合微粒群优化(HPSO)是一类随机全局优化技术,具有搜索能力强、收敛速度快、搜索精度高的优点.针对岩石蠕变本构模型非定常参数的辨识问题,利用FLAC软件自带的fish语言实现了HPSO算法对非定常参数的辨识.该方法从非定常参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,...     

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PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

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。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

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。     

人工冻土黏弹塑性本构参数反分析研究

通过大量的人工冻结黏土蠕变试验研究,获得在高偏应力下人工冻结黏土具有显著的蠕变特性：当应力水平较低时,人工冻土发生黏弹性蠕变变性;当应力水平较高时,人工冻土发生黏塑性蠕变变性。因此,以西原模型为基础,增加一个黏弹性元件项和用抛物线屈服函数代替塑性屈服项,构建了高应力下抛物线型黏弹塑性蠕变本构模型。改进的西原模型可以较好描述人工冻土剪切蠕变特性。基于小生境技术的遗传算法和人工冻土黏弹塑性模型有限元理论,在FEPG（有限元程序生成器）自动生成平台上研发了位移反分析程序。利用现场实测数据对深井冻结井筒开挖过程进行了位移反分析,获得了与试验相一致的冻土本构力学模型参数,数值分析结果与实测数据之间的误差在6%以内,反演结果验证了模型的可行性。冻结井筒开挖过程的位移反分析获得的人工冻土本构模型参数,能反映冻结壁施工过程和有效冻结范围内冻土本构参数平均值,因而具有广泛的代表性,对冻结壁应力场、位移场和稳定性预测具有重要工程意义。     

基于二阶段禁忌算法的边坡安全模型的识别

识别岩土力学经验模型的关键是如何寻找到一个全局最优解。禁忌虎法是一种寻找全局最优解的算法。针对常规禁忌算法处理连续问题时搜索范围小，对初始点的依赖性强等不足，对算法进行了改进，并将禁忌算法的离散化过程进行了修改，提出了二阶段禁忌算法。用该算法对圆弧和楔体破坏边坡数模型中的参数进行了搜索。结果表明，该方法是一种行之有效的全局优化算法。     

新安江产流模型与改进的BP汇流模型耦合应用

为提高新安江模型的汇流计算精度并减少经验因素对参数率定的影响,将新安江产流模型与改进的BP汇流模型相耦合,建立XBK(XAJ-BP-KNN)模型。该模型以前期模拟流量和新安江产流模型计算的产流量作为BP网络的输入,出口断面流量作为网络输出,拟合汇流的非线性关系,代替新安江模型的分水源、线性水库及河道马斯京根法的汇流计算;采用相似原理和K-最近邻算法,基于历史样本的模拟误差及相应影响要素对网络输出进行误差修正,实现了无前期实测流量的连续模拟;模型使用SCE-UA算法与遗传早停止LM算法相结合的全局优化方法进行参数优选。在呈村流域的验证表明XBK模型的模拟精度高于新安江模型,全局优化方法能找到最优参数,降低了模型的使用难度。     

基于粒子群优化算法的小波神经网络缝洞型储层识别模型

针对缝洞型储层识别精度较低这一难题,提出了基于粒子群优化算法的小波神经网络（PSO—WNN）储层识别模型。以小波函数作为隐含层的激励函数,采用粒子群优化算法,对权值、伸缩参数、平移参数进行调整,构建出基于粒子群优化算法的小波神经网络储层识别模型。该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点。这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例,利用常规测井参数作为模型的输入参数,以储层类型赋值作为输出,选取九口井的108个已知样本,采用不同隐含层个数对模型进行多次训练。通过对比分析,最终确定隐含层个数为10,建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型。利用已建模型对十八个检验样本进行识别,其识别正确率高达100％,而BP神经网络识别正确率为88％。这表明该模型对缝洞型储层的识别效果较好,为缝洞型储层的进一步研究提供了可靠的依据。     

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。     

土坡圆弧临界滑面的网鱼算法

提出了一种新的搜索土坡临界滑面的优化方法——网鱼算法。该方法原理简单,具有较强的全局寻优能力。网鱼算法首先通过对较大范围内试算滑面作计算,得到局部最优值,然后再以局部最优为初值进行小范围、高密度的搜索,从而确定临界滑面。实例证明,该方法适用于复杂土坡的临界滑面搜索。      

波阻抗反演中的全局寻优策略

针对常规基于模型的波阻抗反演方法严重依赖于初始模型的选择和易陷入局部最优等局限性，提出了一种新的全局寻优策略。该反演策略是在常规测井约束反演的框架中加入一定次数的遗传全局搜索机制。如果迭代过程一旦陷入局部最优解；就可以把已经形成的局部最优解作为寻优的新起点，在此基础上进行全局遗传寻优，搜索更优的反演结果。通过模型数值计算和实际资料处理，表明该反演策略具有跳出初始模型控制的优良性能和良好的实际反演效果。     

GA解决多参数超大解空间优化问题的启发式搜索方法

遗传算法(GA)作为一种有效的全局寻优算法,由于其计算原理简单、搜索能力强、对搜索空间要求低等特点,在许多优化问题中得到了广泛地应用。这里讨论了遗传算法(GA)对多参数超大解空间优化问题的求解方法,重点探讨了提高GA搜索速度的方法,给出了几种启发式搜索策略,并应用于地震波反演这个典型的多参数超大解空间优化问题中,有效地提高了GA的搜索能力,加快了收敛速度。