基于粒子群支持向量机的三维含水层渗流参数反馈识别

实际岩土体含水层渗流一般是三维、空间各向异性的。针对三维渗流参数识别的数值正算时间过长,易限于局部最优解的问题,提出了一种基于支持向量机和粒子群优化算法的含水层渗流参数反馈识别方法。采用正交试验设计和有限元程序生成学习样本,利用支持向量机高度非线性映射能力,建立水头与渗流参数之间的映射关系,进而以识别误差目标函数为适应值,通过粒子群优化算法反馈搜索得到渗流参数。该方法可直接利用现有大规模渗流有限元程序进行三维含水层渗流参数识别。算例表明,该方法具有良好的效率和精度。     

熵权耦合随机理论在含水层非均质综合指数研究中的应用

传统模型主要侧重于通过含水层的某一单一属性来定性或半定量化表征其非均质性,无法对含水层综合非均质性进行定量描述。引入非均质综合指数(HSI)这一概念来定量化表征含水层多个属性的综合非均质性。其具体的计算过程主要包括以下3个步骤：利用Markov原理建立含水层沉积微相分布模型;通过相控建模原理,利用改进的序贯模拟法建立含水层属性参数分布模型;通过熵权法计算出上述各个含水层属性模型的权值系数,并根据此系数对模型进行叠加,从而求得含水层非均质综合指数。将该方法应用于华北平原栾城地区,对该区的冲洪积扇含水层非均质性进行研究,计算结果表明：沿滹沱河冲洪积扇半径方向的沉积微相变化平缓、含水层参数连续性较好,故其非均质性较弱,HSI为0.74~0.95;冲积扇相互叠加区域沉积微相变化剧烈,属性参数具有较强的空间变异性,故其具有强烈的非均质性,HSI为0.38~0.65,这表明在该研究区内沉积环境对含水层非均质性起着控制作用。非均质综合指数能够在考虑多项含水层属性的基础上,定量化表征含水层的综合非均质性及各属性对综合非均质性的影响,并为后续的污染物运移研究提供基础。     

基于广义径向流模型的非均质孔隙含水层井流试验分析

Theis模型、Dupuit模型等经典井流模型分析非均质含水层井流试验数据有一定的局限性,获取的参数不适合表征非均质含水层特性。而GRF模型可以获取含水层流动特性的数据。相比于Theis模型、Dupuit模型,GRF模型更能表征非均质含水层特性。以黄石东湖新村棋盘洲长江大桥的抽水试验数据为例,采用Theis模型和GRF模型计算含水层渗透系数,结合实际水文地质条件,对比分析不同方法计算的水文地质参数,并计算含水层水流维数和表观压力传导系数（K_f /S_sf）。结果表明:研究区含水层为细砂夹条带状黏土透镜体的非均质含水层,采用GRF模型计算结果更符合实际情况,渗透系数为 4.09×10?3cm/s;含水层水流维数为1.61,地下水为双线性流动状态,含水层对抽水试验的响应主要受黏土条带控制;观测井和抽水主井的K_f /S_sf呈非线性相关,进一步验证了含水层的非均质性。在非均质孔隙含水层中,应用多孔联合非稳定GRF井流试验方法不仅能确定水文地质参数,并且能丰富对含水层特性的认知。     

双重变异遗传算法及其在临界滑动面搜索中的应用

针对传统的优化算法难以在具有变量多、约束条件复杂、局部极值点多的边坡临界滑动面搜索中取得较好效果的问题,提出双重变异遗传算法（DMGA）。一方面,该算法通过探测变异操作提升算法的局部寻优能力,通过直接变异操作提升算法的全局寻优能力,两者的结合使算法能够在搜索的广度与深度上达到较好的平衡;另一方面,算法采用考虑个体适应度值与进化代数的自适应交叉概率及自适应变异概率,使算法在进化的早期能够增加种群的多样性,在进化的后期能够保护较优的个体不受破坏。将该算法与简化Bishop法相结合,对澳大利亚计算机应用协会（ACADS）提供的考核题及一个海堤边坡工程实例进行分析,计算结果表明:（1）对于均质边坡和非均质边坡,该方法均能准确搜索到边坡的临界滑动面及相应的安全系数;（2）与仅进行直接变异或探测变异的遗传算法相比,双重变异遗传算法具有更强的全局搜索能力及更好的鲁棒性,具有广阔的应用前景。     

基于蚁群算法的含水层参数识别方法

根据渗流场的水头和流量观测数据,建立了基于蚁群算法的地下含水层参数识别方法,含水层参数识别反问题的不适定性由解的不唯一性和不稳定性所表征。与传统的基于梯度的优化方法相比较,对于参数识别反问题蚁群算法能够收敛到全局最优解。为了将蚁群算法引入到参数识别反问题,介绍了一些数值算例,并且将参数识别结果与数值模拟结果进行了比较。研究表明,所提出的参数识别方法具有鲁棒性、全局收敛性和抗观测噪音的能力。     

非稳定流抽水试验参数计算的优化算法

提出根据非稳定流抽水试验资料确定含水层参数的优化算法。该法不同于现有的配线法,其根据最小二乘法及0.618法原理进行优化计算,从而确定承压含水层的导水系数和弹性给水度及渗透系数等。优点是计算结果比较客观,计算精度比较高。给出了实例计算及与其他相比较的结果。     

基于水力走时反演刻画裂隙含水层非均质性

获取含水层水力参数空间非均质分布信息是研究地下水渗流、地下水污染物运移等诸多地下水问题的重要基础.然而,受常规勘察技术所限,含水层的非均质性难以直接刻画,尤其在裂隙介质含水层中,水力参数分布的非均质性更加突出,进一步增加了刻画的难度.针对该问题,本研究首先通过德国哥廷根大学北校区内的Neutra试验场地进行的64次抽水...     

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。     

进化策略算法在地面沉降量计算参数反演中的应用

多数情况下,评估的研究区缺乏多年积累的地下水位及开采量资料。因此,通常采用土力学模型,根据太沙基固结理论,进行地面沉降量预测。在地面沉降量计算中,土层变形参数值的选取直接影响计算结果的精确性。深层含水层埋深通常大于100m。通过现场勘探,采取土样进行岩土物理力学性质试验获取参数值,成本过于昂贵。通过参考区域土层物理力学性质资料,结合工程经验获取参数值,预测结果的精度得不到保证。针对上述情况,作者提出用非线性优化算法-进化策略算法,根据实测地面沉降量反演土层变形参数值。通过这种方法确定参数值,既节约成本,又保证了计算结果的可靠性。进化策略算法通过模拟生物遗传及进化过程,利用转移概率来帮助指导搜索。搜索结果不依赖于初始点的选择,对于求解全局最优解有很强的鲁棒性。作者将进化策略算法用于某一工程实例土层变形参数的反演,结果表明了该算法的可行性及稳健性,值得在工程实践中推广应用。     

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。     

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DE-FEM隧道反分析可视化平台研究及应用

针对传统反分析优化容易限于局部最小化以及反分析数据不直观等问题,引进一种新的全局智能优化算法（DE）,与应力回映的弹塑性非线性有限元（FEM）相结合,实现围岩弹塑性参数快速识别。基于可视化类库（VTK）对单元应力、应变和节点位移等结果数据进行图像显示,从而实现了隧道施工反分析EEOS高性能可视化平台。在介绍算法原理、程序设计基础上,介绍该系统在某工程的应用情况。应用表明,该平台计算收敛快速、识别精度高、结果直观,为隧道工程反分析提供了科学高效的途径。     

A Multiple Composite Fingerprinting Method and Its Application

Fingerprinting technique provides an essential means for estimating source contributions of watershed sediments, in which a single group of “optimum composite fingerprints” has been widely used in the literature to estimate sediment provenance. This type of methods is not restricted by the scale or process of sediment transportation so that similar procedures can be applied in sediment provenance research for aeolian depositions. However, recent studies found no direct link (positive relationship) between the ability of the tracer group to discriminate sources and its rigor in estimating source contributions after optimization. Here, we introduced a recently developed multiple composite fingerprinting method with additional screening based on analytical solutions, and further reviewed its verification in watersheds at different scales. It turned out that compared to Monte Carlo optimization method, a reasonable estimation can be achieved using the mean of the maximum number of composite fingerprints that given analytical solution to the mixing model, but the computational cost can be reduced significantly. The reliability of this new method was also tested in source contribution estimating of aeolian sediments, and the provenance quantification of reservoir sediment in an arid region experiencing both wind and water sediments.     

Applicability of the ACE algorithm for multiple regression in hydrogeology

This paper introduces the alternating conditional expectation (ACE) algorithm of Breiman and Friedman (J Am Stat Assoc 80:580–619, 1985) for estimating the transformations of a response and a set of predictor variables in multiple regression problems in hydrogeology. The proposed nonparametric approach can be applied easily for estimating the optimal transformations of different hydrogeological data to obtain maximum correlation between observed variables. The approach does not require a priori assumptions of a functional form, and the optimal transformations are derived solely based on the data set. The advantages and applicability of this new approach to solve different multiple regression problems in hydrogeology or in Earth Sciences are illustrated by means of theoretical investigations and case studies. It is demonstrated that the ACE method has certain advantages in some fitting problems of hydrogeology over the traditional multiple regression. Based on our knowledge, this is the first application of the ACE algorithm to analyze and interpret groundwater data.     

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。      

水文模型参数多目标率定及最优非劣解优选

针对概念性水文模型参数众多、相互制约,且多目标参数优化率定最优参数求解困难、易受决策者主观因素影响的问题,采用多目标优化算法对水文模型参数进行率定,得到模型参数最优非劣解集,在此基础上,引入最小最大后悔值决策理论,并结合Pareto支配基本理论,提出了一种多目标最优非劣解选取准则。以柘溪流域为研究对象,采用三目标MOSCDE优化率定新安江模型的参数,并与单目标SCE-UA优化结果进行对比分析。结果表明,提出的非劣解选取方法可以有效从大规模非劣解集中筛选出最优非劣解,大大缩短参数率定耗时。     

Optimization techniques for identifying soil parameters in geotechnical engineering: Comparative study and enhancement

A comparative study of optimization techniques for identifying soil parameters in geotechnical engineering was first presented. The identification methodology with its 3 main parts, error function, search strategy, and identification procedure, was introduced and summarized. Then, current optimization methods were reviewed and classified into 3 categories with an introduction to their basic principles and applications in geotechnical engineering. A comparative study on the identification of model parameters from a synthetic pressuremeter and an excavation tests was then performed by using 5 among the mostly common optimization methods, including genetic algorithms, particle swarm optimization, simulated annealing, the differential evolution algorithm and the artificial bee colony algorithm. The results demonstrated that the differential evolution had the strongest search ability but the slowest convergence speed. All the selected methods could reach approximate solutions with very small objective errors, but these solutions were different from the preset parameters. To improve the identification performance, an enhanced algorithm was developed by implementing the Nelder‐Mead simplex method in a differential algorithm to accelerate the convergence speed with strong reliable search ability. The performance of the enhanced optimization algorithm was finally highlighted by identifying the Mohr‐Coulomb parameters from the 2 same synthetic cases and from 2 real pressuremeter tests in sand, and ANICREEP parameters from 2 real pressuremeter tests in soft clay.     

大连周水子海水入侵区地下水多目标优化管理模型

将改进后的遗传算法GA（添加了小生境、Pareto解集过滤器等模块）与变密度地下水流及溶质运移模拟程序SEAWAT-2000相耦合,新开发了变密度地下水多目标模拟优化程序MOSWTGA。将MOSWTGA应用于求解大连周水子地区以控制抽水井所在含水层不发生海水入侵为约束的地下水开采多目标优化管理模型,得到地下水最大开采量与海水入侵面积之间一系列Pareto近似最优解。研究成果不仅为实行合理的地下水资源配置提供了科学的实用模型,同时也为解决多个优化目标下的变密度地下水优化管理问题提供高效可靠的模拟优化工具,具有重要的潜在环境经济效益。     

雅砻江某水电站坝址左岸江水水化学特征研究

雅砻江某水电站左岸坝肩地表无泉水出露，勘探揭露地下水露头也极为有限，多为尚未充水的干燥岩体。通过对江水水化学分析．运用聚类分析和水化学组分对比的方法，发现该电站左岸岸边有地下水隐伏排泄．并导致江水水化学异常，而且岸边排泄地下水按其水化学特征可分为两类。相当于赋存在左岸谷坡大理岩中的岩溶裂隙水和砂板岩中的风化裂隙水，为左岸谷坡水文地质以及地下水系划分的研究提供了重要的依据。     

An efficient optimization method for identifying parameters of soft structured clay by an enhanced genetic algorithm and elastic–viscoplastic model

Soft structured clays usually exhibit complex behaviors, which can lead to difficulties in the determination of parameters and high testing costs. This paper aims to propose an efficient optimization method for identifying the parameters of advanced constitutive model for soft structured clays from only limited conventional triaxial tests. First, a new real-coded genetic algorithm (RCGA) is proposed by combining two new crossover and mutation operators for improving the performance of optimization. A newly developed elastic–viscoplastic model accounting for anisotropy, destructuration and creep features is enhanced with the cross-anisotropy of elasticity and is adopted for test simulations during optimization. Laboratory tests on soft Wenzhou marine clay are selected, with three of them being used as objectives for optimization and others for validation. The optimization process, using the new RCGA with a uniform sampling initialization method, is carried out to obtain the soil parameters. A classic genetic algorithm (NSGA-II)-based optimization is also conducted and compared to the RCGA for estimating the performance of the new RCGA. Finally, the optimal parameters are validated by comparing with other measurements and test simulations on the same clay. All comparisons demonstrate that a reliable solution can be obtained by the new RCGA optimization combined with the appropriate soil model, which is practically useful with a reduction in testing costs.