用十进制遗传算法识别泰斯模型参数

提出了用十进制遗传算法识别泰斯模型参数的方法和步骤,并给出了计算实例。本方法和传统的配线法与高斯牛顿法相比,具有更好的确定性和更高的精度。十进制遗传算法的主要优点在于采用十进制编码表达实际问题比较简单,算法的平均效率高,特别是对于高维和复杂优化问题。      

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。     

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。     

井间地震速度反演的遗传算法

井间地震速度反演具有重要的意义,不仅对于准确圈定地下构造的传统地震勘探是重要的,而且速度的变化可以指示非背斜型的地层岩性圈闭.传统的射线追踪方法一般是先给出入射角,然后根据折射定律修改入射角以达到反演的目的.该方法对每条射线均需通过扫描确定入射角,计算量较大,对初始地质模型的要求较高.遗传算法具有全局收敛性,是一种不用梯度信息的优化方法,特别适用于大型的组合优化问题.采用多项式展开表示界面深度和速度,通过弯曲射线追踪算法来计算射线的旅行时间,利用遗传算法进行迭代优化,可以同时反演出地下复杂构造的界面形态和速度变化.该方法与网格化速度反演相比,减少了未知参数,较好地克服了多解性问题,试验结果表明,该方法可以达到较高的反演精度.     

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。      

基于遗传－广义回归神经元算法的坞石隧道三维弹塑性位移反分析研究

广义回归神经元网络在逼近能力、学习速度和网络稳定性方面均优于BP神经元网络,且具有网络人为调节参数少的优点。本文将广义回归神经元网络引入坞石隧道工程的三维弹塑性位移反分析。为了在网络训练过程中快速搜索到最优的网络阈值,采用十进制遗传算法对网络阈值进行优化。在确定最优的网络结构后,采用遗传算法在每个待反演参数的搜索范围内搜索出与实测位移最接近的围岩力学与初始应力场参数组合。用反分析得来的参数进行下步开挖位移预测,预测值与实测值吻合较好,表明所提出的这种反分析方法在工程上是可行的,可以推广使用。     

抽水试验资料的遗传算法反演水文地质参数

基于MATLAB遗传工具箱的遗传算法是一种借鉴生物界自然选择和自然遗传机制的全局最优化随机搜索算法。它以其简单通用、鲁棒性强、适于并行处理及高效等显著特点,在各领域得到了广泛的应用。结合抽水试验实例采用遗传算法反演水文地质参数,并将所求参数与配线法和直接图解法所得参数进行对比分析。结果显示,遗传算法所求参数的计算降深与实测降深吻合程度高,方便快捷,不失为一种有效的水文地质参数求解方法。     

深厚冲积层人工冻土蠕变参数的模糊遗传反演

冻土的蠕变特性对深井冻结法施工至关重要。针对某矿区人工冻土在-5℃、-10℃、-15℃和-20℃下进行单轴抗压强度试验,发现冻土的抗压强度受冻结温度变化影响,两者间为线性反比例关系。通过小生境原理对传统的遗传算法作模糊随机改进,给出模糊遗传算法的步骤思路,进而运用该算法反演冻土蠕变模型中的参数值,获得各温度下的蠕变模型。试验结果表明：蠕变模型计算值在蠕变各阶段与试验值吻合较好,准确反映了冻土蠕变的整体规律。可见,模糊遗传算法能有效反演蠕变参数,较传统方法更符合工程实际。     

用改进的遗传算法对密集平行地下管线直接反演的研究

密集平行管线探测资料解释是管线探测技术中的一大难题，至今没有很好地解决。用改进的遗传算法来直接反演密集平行管线的地下参数(平面位置、埋深)，可取得良好的效果，同时也显示了遗传算法的优越性。     

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。     

用改进的十进制遗传算法确定土质边坡最危险滑面

基于瑞典圆弧法和简化Bishop条分法分析土质边坡的稳定性,以圆弧滑裂面与边坡面的左右交点的两个横坐标和以滑裂面圆心的纵坐标作为优化变量,采用了一种改进的十进制遗传算法对优化变量进行优化。这种改进的遗传算法是以简单的十进制遗传算法为基础,结合优体克隆操作、子体优生操作和多代调环操作。通过计算ACADS考核题验证,该方法有较强的自适应能力,具有收敛速度快、解的精度高和避免出现早熟等优点。     

Nonlinear Inversion of Potential-Field Data Using an Improved Genetic Algorithm

The genetic algorithm is useful for solving an inversion of complex nonlinear geophysical equations. The multi-point search of the genetic algorithm makes it easier to find a globally optimal solution and avoid falling into a local extremum. The search efficiency of the genetic algorithm is a key to producing successful solutions in a huge multi-parameter model space. The encoding mechanism of the genetic algorithm affects the searching processes in the evolution. Not all genetic operations perform perfectly in a search under either a binary or decimal encoding system. As such, a standard genetic algorithm (SGA) is sometimes unable to resolve an optimization problem such as a simple geophysical inversion. With the binary encoding system the operation of the crossover may produce more new individuals. The decimal encoding system, on the other hand, makes the mutation generate more new genes. This paper discusses approaches of exploiting the search potentials of genetic operations with different encoding systems and presents a hybrid-encoding mechanism for the genetic algorithm. This is referred to as the hybrid-encoding genetic algorithm (HEGA). The method is based on the routine in which the mutation operation is executed in decimal code and other operations in binary code. HEGA guarantees the birth of better genes by mutation processing with a high probability, so that it is beneficial for resolving the inversions of complicated problems. Synthetic and real-world examples demonstrate the advantages of using HEGA in the inversion of potential-field data.     

快速模拟退火算法在含水层参数识别中的应用

针对一般模拟退火算法收敛速度慢的缺陷,本文提出了含水层参数识别的快速模拟退火算法。它以广义Boltzmann-Gibbs统计理论为基础,采用依赖于温度的似Cauchy分布产生新的扰动模型,通过改变模型扰动、接收概率和降温方式来加快模拟退火算法的收敛速度。实例的计算结果表明,快速模拟退火算法不仅可行,而且求解精度高,收敛速度比其他算法快得多,是一种值得在实际中推广应用的高效的含水层参数识别方法。      

基于遗传算法的新安江模型日模拟参数优选研究

在概念性水文模型的参数率定中,目前还没有一个传统优化方法能够提供保证足够高效和稳定性的算法。为了克服传统优化方法中局部收敛性的缺点,近年来利用遗传算法通过计算机准确稳定地进行概念性水文模型的参数优选的尝试得到越来越多的重视和发展。目前优选水文模型待定参数,大多是从次洪模型的方面去讨论,有关日模拟模型的遗传算法参数优选讨论的较少。本文系统分析了基于遗传算法的新安江模型日模拟参数的自动优选,同时针对遗传算法在模型参数众多的情况下时间效率低下问题,通过利用新安江模型参数分层原理与模型参数敏感性分析对优选结果影响,提出一套简化的日模型参数遗传算法优选方案。经过流域模拟检验,该优选方案可行,运行效率高,可以作为类似模型遗传算法参数率定快速、有效的方案。     

分布参数地下水管理模型的遗传算法研究

在简单回顾了分布参数地下水管理模型的发展和建模方法基础上, 阐述了将地下水模拟模型耦合到遗传算法之中, 求解分布参数地下水管理模型的方法和特点, 给出了该算法的程序框图。最后通过实例说明遗传算法适于求解非线性地下水管理模型。     

改进的遗传算法及其在渗流参数反演中的应用

利用水头实测资料,以裂隙组的渗透系数比例因子为待反演的参数向量,在采用基本遗传算法进行参数反演研究的基础上,针对裂隙岩体无压渗流参数反问题计算量过大,目标参数众多以及参数可能变化范围大等特点,提出了一种混合遗传算法求解此类问题,力求克服简单遗传算法在解决此类问题时存在的局部搜索能力弱、易出现早熟收敛及计算量大等缺陷,并通过典型岩坡渗流算例进行验证,同时给出了基本遗传算法、传统单纯形算法的反演成果。计算结果表明,该方法保持了基本遗传算法优点,并有效地提高了算法的运行效率,从而为求解裂隙岩体无压渗流参数反问题等计算量大的系列问题提供了新的途径。     

岩石本构模型智能辨识方法研究

岩石本构模型是研究岩石力学特征和变形机制的基础,而本构模型或模型中相关参数的识别是本构模型研究中的热点和难点问题。本文基于红板岩室内力学实验数据,分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别,结果表明,遗传算法进行参数识别需要事先假定流变模型的形式,误差较大,而BP神经网络和遗传规划可以一次性同时确定流变模型的结构形式及参数,有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比,具有精度高、收敛快,可视化程度高等特点,为岩石本构参数及模型的智能识别方法的选取提供参考。     

遗传算法在反演三维地下水流模型参数中的应用

本文以非均质各向同性承压三维非稳定流为理想模型，结合有限元法讨论了用遗传算法反演水文地质参数问题，计算结果表明，本文在瘴简单遗传算法（SGA）的基础上提出的优体克隆＋子体优生遗传算法（BCC－YGCD－GA）具有收敛速度快，解的精度高和避免出现早期等优点，在水资源评价和矿床疏干计算中有广阔的应用前景。