土钉墙内部稳定性分析自适应禁忌变异遗传算法

针对土钉墙内部稳定性分析问题,提出一种能同时确定土钉墙任意形状最危险滑动面及相应安全系数的全局优化算法。首先,基于边坡极限平衡法中的Morgenstern-Price法,考虑土钉的加固作用,推导土钉墙安全系数计算公式。然后,分析简单遗传算法（SGA）和禁忌搜索算法（TSA）的不足,引进自适应遗传算法（AGA）,用禁忌变异算子替换自适应遗传算法中的标准变异算子,提出一种新型的混合优化算法--自适应禁忌变异遗传搜索算法（ATMGA）,并将其应用到土钉墙内部稳定性分析领域,建立土钉墙任意形状临界滑裂面稳定性分析优化算法。算例分析表明,（1）与单纯的SGA、TSA以及AGA相比,文中ATMGA法搜索效率高、收敛速度快且能准确地搜索到土钉墙最危险滑动面及其相应的最小安全系数;（2）土钉支护前、后临界滑面位置相差较大,建议在实际工程中对支护后基坑的临界滑面以及相应的安全系数进行重新搜索。     

基于混合离散的砌石挡土墙边坡极限承载力下限分析

将极限分析下限法理论、混合数值离散思想和线性规划结合起来研究砌石挡土墙边坡的极限承载力。采用三角形有限单元离散土体来模拟土体的连续介质力学特性,构建土体静力许可应力场的约束条件,采用块体单元离散砌石体来模拟砌石体的非连续介质力学特性,构建砌石挡土墙的静力许可应力场的约束条件;同时建立有限元单元和块体单元交界面的约束条件;然后以超载系数为目标函数建立求解砌石挡土墙极限承载力的下限法线性规划模型,并使用内点算法进行最优化求解,获得边坡的极限荷载（或安全系数）和对应的应力场。通过3个算例的分析验证了所提方法的正确性。所提方法是将混合数值离散思想引入极限分析领域的一次尝试。     

深基坑开挖中桩墙体系支护的结构优化设计

针对桩墙加内支撑这种支护型式在常规支护结构设计中所存在的不足,提出了一种优化设计方法,通过决策变量、约束条件、目标函数、优化算法的确立以及计算机程序的编制,成功实现了桩墙体系支护结构的参数优化设计。     

下限分析有限单元法的非线性规划求解

下限分析有限单元法将下限定理这一数学变分问题转化为一个数学规划问题,克服了人为构造可静应力场的困难,在实际工程中具有广阔的应用前景。通过有限元离散得到的非线性下限规划模型中包含大量的优化变量与约束条件,常规优化算法难以求解。为此,在分析非线性下限规划模型自身特点的基础上,引入可行弧技术和Wolfe非精确搜索技术改进其优化求解效率。算例分析表明,基于可行弧技术和Wolfe非精确搜索技术,下限分析有限单元法优化求解程序的收敛速度和步长搜索效率得到明显的提升,并且其数值稳定性良好、计算精度较高,可以较好地适应实际工程问题的计算。     

基于松鼠搜索算法的跨孔电阻率溶洞探测

针对在基建工程前期探测中,传统物探反演方法对溶洞等不良地质条件的探测精度低的问题,提出了一种基于松鼠搜索算法的跨孔电阻率溶洞探测反演方法,用于改善传统的基于Tikhonov正则化的灵敏度迭代法对初值、噪声敏感、容易陷入局部最优等缺陷。采用小型、大型和串珠状溶洞3种数值算例,对不同智能搜索算法和灵敏度迭代法的探测结果进行了对比分析,并开展了室内模型试验和现场实验验证。研究结果表明:基于松鼠搜索算法的反演方法收敛速度快、精确度高,可显著提高跨孔电阻率溶洞的探测精度。     

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。     

组合式面板双绞合六边形钢丝网加筋土挡墙现场试验研究

为研究双绞合六边形钢丝网加筋土挡墙的受力、变形特性,对潭衡（湘潭－衡阳）西线高速公路K124+340断面组合式面板双绞合六边形钢丝网加筋土挡墙进行了现场试验,测试了竖向土压力、水平土压力、筋材拉应变分布规律和格宾箱变形规律。结果表明：在筋材长度方向上,竖向土压力在挡墙下部呈双峰型分布,而在上部呈单峰形分布;墙背水平土压力沿墙高呈非线性分布,最大值发生在墙高约1.5 m处,实测水平土压力小于主动压力;筋材应变在筋长方向上呈非线性分布,各层筋材的应变分布模式不相同;筋材的变形主要发生在施工期,格宾箱的变形呈鼓胀式     

Reservoir description using dynamic parameterisation selection with a combined stochastic and gradient search

There is a correspondence between flow in a reservoir and large scale permeability trends. This correspondence can be derived by constraining reservoir models using observed production data. One of the challenges in deriving the permeability distribution of a field using production data involves determination of the scale of resolution of the permeability. The Adaptive Multiscale Estimation (AME) seeks to overcome the problems related to choosing the resolution of the permeability field by a dynamic parameterisation selection. The standard AME uses a gradient algorithm in solving several optimisation problems with increasing permeability resolution. This paper presents a hybrid algorithm which combines a gradient search and a stochastic algorithm to improve the robustness of the dynamic parameterisation selection. At low dimension, we use the stochastic algorithm to generate several optimised models. We use information from all these produced models to find new optimal refinements, and start out new optimisations with several unequally suggested parameterisations. At higher dimensions we change to a gradient-type optimiser, where the initial solution is chosen from the ensemble of models suggested by the stochastic algorithm. The selection is based on a predefined criterion. We demonstrate the robustness of the hybrid algorithm on sample synthetic cases, which most of them were considered insolvable using the standard AME algorithm.