复形法在反求水文地质参数中的应用

在众多的水文地质调参方法中,目前,经常使用的是单纯形法。此法虽很有效,但有一较大缺点,即在迭代过程中易出退化现象,从而使迭代难以继续,给计算造成很大的麻烦。复形法却因其顶点数增多,可使退化现象得到改善。在大水矿区水文地质参数反演计算中,尝试利用了复形法。结果表明:复形法稳定性能好,收敛速度快,求解精度高,节省时间,使用方便,所求参数基本上能代表所求区水文地质条件。复形法可求解高维(一般 ≤ 30维)有约束的非线性函数极值问题,它是求解多参数的水文地质反演问题的有效方法之一,适应于水文条件复杂、参数分区多的情况。      

基于Aquifer Test的含水层水文地质参数计算——以塔城市供水改扩建工程为例

水文地质参数的计算是水文地质勘察的一个重要环节。根据在塔城市北东方向喀拉墩地区进行的抽水试验资料,分别采用Aquifer Test软件和Dupuit公式迭代法计算抽水试验参数,对所求取的参数进行对比分析,通过Aquifer Test软件求取的参数与Dupuit公式迭代法求取的参数相近,各参数偏差率低,最终通过抽水试验数据,经不同的方法计算,确定含水层渗透系数K值为31.14 m/d。     

基于改进遗传算法的河南地区水文地质参数反演计算研究

利用改进遗传算法对河南地区水文地质参数进行反演计算,并结合抽水试验方式对反演参数的精度进行分析。结果表明:改进遗传算法可使得水文地质参数取得局部最优解,且加速收敛速度,通过抽水试验分析,两个参数的反演误差均在15%以内,且较传统算法有明显改善。研究成果对于河南地区水文地质参数反演具有重要的方法参考价值。     

基于遗传算法的非饱和岩体特征参数确定

在进行地下矿山开采和岩体稳定性分析中,非饱和岩体的水力传导度（k）和比容水度（c）等含水层参数是非常重要的基本数据。本文基于随机优化算法中的实数编码遗传算法求解玄武湖隧道工程的水文地质参数,通过岩体参数水力传导度（k）和比容水度（c）精确值与计算值比较,显示遗传算法求解的水文地质参数精度可靠,该法可以应用于非饱和岩体特征参数值的确定。     

利用抽水试验资料确定水文地质参数

本文根据抽水试验取得的数据,分别采用稳定流公式法、降深-距离配线法、漏斗疏干法和直线解析法四种方法,计算了黄河侧渗补给浅层地下水的各项水文地质参数,最后对试验成果的合理性进行了分析评价并确定了各项水文地质参数.     

应用改进并行遗传算法反求水文地质参数研究

利用单纯形法局部搜索速度快和遗传算法全局寻优的特点,同时为了克服两种方法各自的弊病,提出采用混合单纯形技术的并行遗传算法(Hybrid Simplex Parallel Genetic Algorithm,SPGA)进行水文地质逆问题的求解。详细阐述了SPGA算法的具体操作和实现,并将该方法应用于水源地的地下水模拟反演中。计算结果表明,SPGA算法在水文地质参数寻优计算中具有比较好的可靠性和计算效率。     

长江南京段上游典型含水层水文地质参数试验研究

抽水试验是获取水文地质参数,查明地下水运动条件重要的一种手段。以长江南京段上游典型含水层抽水试验为例,对观测井数据进行分析,采用传统的稳定流公式法、非稳定流的s-lgt量板法、沃尔顿法、水位恢复法等,并对降深进行井损修正以及含水层有效厚度修正,采用修正后的数据计算水文地质参数。结果表明：所求得的水文地质参数,以非稳定流参数为佳,典型含水层的渗透系数在40m/d左右,符合长江洲滩及滨岸冲积层的渗补条件。     

利用“隔离井法”公式确定水文地质参数的图解方法

本文在简要介绍“隔离井法”公式的基础上,提出了根据非稳定流抽水试验资料利用“隔离井法”水位函数和流量函数表确定水文地质参数的图解方法,通过实例说明了该方法的简便实现过程,并对所求参数的可靠性进行了分析。     

遗传算法在水文地质参数确定中的应用

利用抽水试验资料确定承压含水层的水文地质参数是一项经常遇到的工作 ,一般采用配线法来确定。本文利用遗传算法来进行水文地质参数优化 ,该算法是基于生物界自然选择和遗传变异等机制的自适应随机全局优化算法。本文结合实例计算 ,且和配线法的计算结果作了简要的对比 ,较为明显的显示该方法的优点     

复合形进化重组方法在水文地质参数识别中的应用

水文地质逆问题和地下水资源管理模型的优化求解一直是水文地质学研究的一个热点.本文将复合形进化重组方法引入求解水文地质逆问题,通过一个测试函数对该方法的优化性能进行了检验,进而将该方法应用于水文地质参数的识别.比较复合形进化重组方法与遗传算法的计算结果表明,复合形进化重组方法具有很强的全局优化能力,是求解水文地质逆问题非...     

基于区域Delaunay自动剖分的含水层参数反演

针对地下水有限元数值模拟中区域三角网格剖分复杂难以处理的情况,提出适合其特点的Delaunay三角网格自动剖分方法,并对含有多个参数分区的含水层进行网格剖分,最后利用遗传算法和有限元程序相耦合来反演含水层水文地质参数。结果表明此方法可大大简化地下水数值模拟的前处理工作,并能提高有限元网格剖分的有效性和准确性,从而得到令人满意的数值模拟结果。     

Statistical inverse analysis based on genetic algorithm and principal component analysis: Method and developments using synthetic data

This study concerns the identification of parameters of soil constitutive models from geotechnical measurements by inverse analysis. To deal with the non‐uniqueness of the solution, the inverse analysis is based on a genetic algorithm (GA) optimization process. For a given uncertainty on the measurements, the GA identifies a set of solutions. A statistical method based on a principal component analysis (PCA) is, then, proposed to evaluate the representativeness of this set. It is shown that this representativeness is controlled by the GA population size for which an optimal value can be defined. The PCA also gives a first‐order approximation of the solution set of the inverse problem as an ellipsoid. These developments are first made on a synthetic excavation problem and on a pressuremeter test. Some experimental applications are, then, studied in a companion paper, to show the reliability of the method. Copyright © 2009 John Wiley & Sons, Ltd.     

基于遗传-神经网络的单桩竖向极限承载力预测方法研究

分析了BP神经网络的缺陷和遗传算法的特点,建立了基于遗传-BP神经网络的单桩竖向极限承载力预测模型。实例研究表明,预测模型性能良好、预测精度提高、简便易行、行之有效,该方法具有广泛的应用前景。     

大型地下洞室考虑开挖卸荷效应的位移反分析

基于现场监测资料的位移反分析是地下工程动态监控、信息化施工的重要组成部分。以乌江彭水水电站大型地下厂房（开挖跨度为30 m,高度为78.5 m）为例,从围岩实测位移出发,建立了基于均匀设计－神经网络－遗传算法的围岩力学参数的系统反分析方法,反演考虑开挖卸荷效应的围岩力学参数。根据数值分析结果形成训练样本,利用BP人工神经网络映射围岩的变形与力学参数的关系,同时针对传统人工神经网络存在初始权值难以确定的问题,应用遗传算法优化神经网络的初始权值;利用现场监测的增量变形反演了围岩的力学参数;最后利用反演出的参数,进行地下厂房开挖预测分析。结果表明,预测位移与现场监测位移较为接近,进行统计检验结果为优,说明该参数反演方法是正确合理的。     

基于改进遗传算法的粘弹性岩体力学参数反演

把模式搜索嵌入目前广为应用的遗传算法中,使之和神经网络有机结合,提出了搜索—遗传—神经网络算法。该方法用经过最佳预测学习算法训练的神经网络来表达粘弹性岩体力学参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间。结合某工程实例,验证了该方法在粘弹性岩体力学参数反演中的优越性。      

Reservoir geomechanical parameters identification based on ground surface movements

Determination of geomechanical parameters of petroleum reservoir and surrounding rock is important for coupled reservoir–geomechanical modeling, borehole stability analysis and hydraulic fracturing design. A displacement back analysis technique based on artificial neural network (ANN) and genetic algorithm (GA) combination is investigated in this paper to identify reservoir geomechanical parameters based on ground surface displacements. An ANN is used to map the nonlinear relationship between Young’s modulus, E, Poisson’s ratio, v, internal friction angle, Φ, cohesion, c and ground surface displacements. The necessary training and testing samples for ANN are created by using numerical analysis. GA is used to search the set of unknown reservoir geomechanical parameters. Results of the numerical experiment show that the displacement back analysis technique based on ANN–GA combination can effectively identify reservoir geomechanical parameters based on ground surface movements as a result of oil and gas production.     

深埋隧道衬砌稳定可靠度的Kriging插值法与遗传算法协同优化求解法

首先利用遗传算法(GA)的全局优化能力,解决了Kriging插值预测算法中相关参数的精确求解问题。针对衬砌结构力学状态表征量与基本参数是高度非线性关系而无法明晰表达的难题,建立了基于Kriging插值预测法的状态表征量等代显式通用模型。以抗拉强度控制参量为例,提出了采用拉丁抽样等代显式通用模型的具体隧道工程衬砌结构力学状态方程构造程序。基于以状态方程为约束条件建立的可靠度指标计算模式,构建起Kriging与GA协同优化的隧道衬砌稳定可靠度求解方法。实例应用对比表明,该方法与精确解的相对误差为4.8%,计算工作量仅为其2.5%。与目前已有的同类方法相比,具有明显的优越性。     

基于? -SVR算法的隧道围岩位移演化规律预测

针对目前广泛应用的灰色理论、遗传算法(GA)和人工神经网络(ANN)等方法预测隧道稳定性的缺陷，提出应用稳健性能较好的? -SVR（support vector machine）算法对非对称连拱隧道围岩位移演化规律进行预测研究。应用加速混合遗传算法搜索? -SVR最优参数，以提高? -SVR的预测能力。将预测结果与灰色理论、BP神经网络预测结果进行比较，显示? -SVR算法学习和预测精度高。     

高心墙土石坝坝料流变模型参数的智能识别研究

通过在遗传算法中引入位爬山法,有效地改善了遗传算法的局部优化能力,提高了其优化速度与精度。采用这一改进的遗传算法对糯扎渡水电站心墙土石坝坝料流变模型参数进行了大范围识别,实现了参数空间内全局意义上的快速搜索。对取自不同坑号的各种坝料进行了流变参数识别,识别结果较准确地反映了不同应力水平下坝料的流变特征,拟合精度较高。结果表明：不同坑号的坝料在力学特性上各有差异,为了全面了解各种坝料的流变特性,对不同料场的坝料进行试验研究是有必要的;同时,不同应力状态下坝料的流变力学参数有差异,说明不同围压对坝料结构的改变也不同,从而对其流变特征的影响也会有差异。     

采用生物遗传算法的大地电磁测深资料反演

本文用遗传算法（ＧＡ）进行大地电磁测深（ＭＴ）一维模型的反演。本反演方法无需初值，不用求导数，受噪声影响小，能有效克服反演中出现的局部极值，并能给出一组解