高速公路路面基层材料最大干密度的试验研究

首先对襄荆高速公路路面基层材料做了物理特性分析,在此基础上进行了水泥稳定碎石混合料的初步设计.并采用重型击实法确定最大干密度的最佳含水量,然后在混合料中外掺10%,15%,20%的石屑(粒径4.75mm以下)进行击实,最终得到理想的最大干密度.通过对以上具体试验的分析,得出了水泥稳定碎石最大干密度的确定方法及原则,确定了一个比较合理的石屑掺量,对其它的路面基层具有一定的指导意义.     

基于粒子群算法的水资源优化配置

本文基于可持续发展理论,以社会、经济和环境的综合效益最大为目标,建立了区域水资源优化配置模型.根据模型的特点,采用粒子群算法(PSO)对模型进行求解.针对粒子群算法的迭代原理,通过对粒子编码方法、适应度函数构造和约束条件处理等环节的改进,构成了用于多目标有约束条件模型求解的粒子群优化算法.不仅拓展了粒子群优化算法的应用领域,同时也为复杂多目标模型的求解提供了一种新途径.本文以北京市为例,借助本文提出的模型,得到了该市2010、2020和2030年三个水平年在50%保证率下的水量配置方案.优化结果表明,该算法应用于水资源优化配置中是合适的.     

干密度和含水率对稻草加筋土强度与变形的影响

以防腐处理后的稻草加筋滨海盐渍土,完成了三种干密度和三种含水率的稻草加筋土的抗压实验和三轴UU压缩实验。结果表明：干密度较大时,加筋土的抗压强度和抗剪强度较高,达到峰值强度的应变较大,即抗变形能力较强;随含水率的增加,加筋土的强度降低,抗变形能力减弱;加筋稻草增强了土的抗变形能力,提高了土的粘聚力,但对内摩擦角的影响很小;在最优含水率和最大干密度下,加筋效果最优。     

基于粒子群优化的岩土工程反分析研究

岩土工程优化反分析本质上看是一个典型的复杂非线性函数优化问题,采用全局优化算法是解决这个问题的理想途径,但由于优化反分析中多次调用正分析的特点使得整个算法的计算效率很低。为了提高优化反分析的计算效率,把一种计算效率更高的新型仿生算法--粒子群优化引入岩土工程反分析领域,提高反分析的计算效率。在此基础上,结合有限元数值分析技术,提出了一种新的岩土工程优化反分析算法--粒子群优化反分析。并通过一个简单算例验证了该法的有效性。     

基于投影寻踪和粒子群优化算法的洪水分类研究

洪水分类实际上是洪水强度大小辨别的优化问题。洪水分类不仅影响着水库的实时调度，而且也影响着洪水灾害危险评估。对利用降水预报进行洪水资源利用的水库来说，洪水分类对水库实时调度规则的建立有着重要的作用。因此，洪水分类是一个重要的理论和实践问题。本文以长江三峡水库代表性水文站——宜昌站为研究对象．基于投影寻踪方法建立了洪水分类的优化模型，并利用粒子群优化算法对所建模型进行求解。结果表明了投影寻踪方法和粒子群优化算法在洪水分类研究中的有效性和合理性．     

基于粒子群算法的宝鸡市水资源优化配置研究

水资源配置的目标是满足人口、资源、环境以及经济与水资源在时间、空间、数量以及质量上的协调发展,使有限的水资源获得最大的利用价值,推动区域社会经济进步,实现可持续发展。以经济效益、环境效益、社会效益等综合效益作为最佳优化配置目标,建立宝鸡市水资源优化配置模型。利用粒子群算法搜索速度快、效率高,算法简单的特点,用粒子群算法求解模型结果,最后通过经济、技术和生态环境分析论证与比选,确定优化配置方案。     

嘉陵江卵石粒度分布与最大干密度的分形特征

应用分形理论研究了卵石粒度分布的分形规律,建立了关于分维数（D）、小于10mm颗粒含量（P10）与卵石最大千密度（rdmax）的数学模型。研究表明,嘉陵江卵石颗粒粒径在10mm以上部分其粒度具有良好的分形结构,基于嘉陵江卵石特征所建立的数学模型对工程实践具有重要的指导意义。     

基于粒子群优化算法的感应测井反演

针对传统感应测井线性迭代反演受初始模型影响,易陷入局部最优解的特点,设计一种基于粒子群优化的非线性全局最优化反演方法。利用该方法对不同厚度储层模型进行反演研究,在无噪声情况下,反演结果和模型基本一致;在加入5%、10%和15%随机噪声后,反演仍取得良好效果。数值实验结果表明,该反演方法不依赖于初始模型,具有较好的全局寻优和抗噪声能力,能有效反演感应测井数据。     

非饱和红土基质吸力与含水率及密度关系试验研究

非饱和土中存在的基质吸力对其性质有着十分重要的影响,而基质吸力又与土的含水率之间存在着密切的关系。为了探讨基质吸力与非饱和红土含水率和密度之间的关系,采用滤纸法在试验室进行了基质吸力的量测,得到了不同干密度下非饱和红土的土-水特征曲线,拟合出了该类非饱和红土土-水特征曲线公式。试验结果分析表明：在相同的干密度下,随着含水率的增加,基质吸力呈现出急剧减小的趋势。当含水率 <24 %时,这一变化规律特别明显。对参数 分析发现,在非饱和状态下基质吸力对红土强度的提高是有限的。通过分析不同干密度对基质吸力的影响规律得出,基质吸力在含水率较高时对密度状态的变化不敏感,而在含水率较低时对密度状态的变化比较敏感。     

基于自适应粒子群优化算法的波阻抗反演方法

针对地震勘探资料依赖线性优化方法进行波阻抗反演不易得到全局极值的问题,提出一种改进的粒子群优化算法-自适应粒子群优化算法进行波阻抗反演。自适应粒子群优化算法是以群智能优化理论为基础,通过3种可能移动方向的带权值组合进行全局寻优。该方法搜索速度较快,且具有较强的全局寻优能力。通过函数测试和波阻抗反演的应用,结果表明,自适应粒子群优化算法是一种适应能力较强的全局优化算法,用该方法进行波阻抗反演是可行有效的。     

粒子群优化适线法在水文频率分析中的应用

水文频率分析就是给各种水利工程提供具有概率含义的水文设计数据,以确定工程的规模、投资和效益.传统的水文频率计算方法一般都是假定总体服从P-Ⅲ型分布,然后采用适线法根据样本估计参数,进而推求设计值.因此,在概率分布线型确定的前提下,水文频率计算实际上就是根据样本资料估算其中包含的参数.从充分利用样本信息、增强参数估计方法的精确性和减少人为因素影响等方面考虑,本文提出了基于粒子群优化算法的优化适线法,并将该方法应用到年最大流量频率分析中.为了进一步了解该方法的统计特性,还将其与传统参数估计方法(矩法、权函数法、概率权重矩法)作了比较.实例表明,该方法能快速的完成参数寻优过程,并较好的寻找出参数的全局最优解.     

随机森林模型预测岩溶区酸性煤矿井水锰污染

酸性煤矿井水严重威胁地下水的水质。如何更有效对受影响区域的地下水源进行动态监测是当前的一个关键问题。采用随机森林中的回归模型,利用自变量(采空区水位、岩溶水位、pH值、泉水流量、电导率)和因变量(污染离子浓度)的相关性,建立回归模型;使用测试数据进行误差分析,结果证明模型准度较高,所得预测值具有参考价值;得出各自变量对因变量影响的重要程度,分析结果与实际情况相符合。试验表明,随机森林回归模型在酸性煤矿井水污染预测方面具有适用性,可作为辅助手段监测水质污染情况,对今后工作有一定的指导意义和经济价值。     

基于随机森林算法的大尹格庄金矿床三维成矿预测

大数据及机器学习技术在解决各行各业的复杂非线性关系问题方面已经体现出巨大的优势。本文尝试将随机森林(RF)算法引入三维成矿预测领域来开展研究,以胶东大尹格庄金矿为研究对象,在构建招平断裂(地质体)三维模型的基础上,通过各种空间分析方法提取控制矿体形成的若干控矿地质因素特征值,进而获取成矿空间中控矿地质因素分布值,最后将矿区钻孔立体单元化形成采样数据集并利用RF算法对矿区开展三维矿体定位预测,结果表明:决策树棵数M=800、属性个数K=7是最优参数,能获得总体精度97.32%和kappa系数0.6292的综合分类精度; RF算法的分类精度要优于支持向量机(SVM)算法和多层感知器(MP)算法。RF算法对大尹格庄金矿开展的三维矿体定位预测取得了较好效果,并在矿区深边部预测了7个三维找矿靶区,证明大数据技术在矿产资源定位预测方面具有巨大的应用前景。     

基于灰色关联-遗传神经网络的煤与瓦斯突出预测模型

在综合分析影响煤与瓦斯突出的各种评价指标的基础上,基于人工神经网络极强的非线性逼真能力,建立了煤与瓦斯突出强度预测的遗传神经网络模型。模型采用灰色关联理论完成了评价指标的优化,并利用遗传算法对BP网络初始权值和阈值的确定进行了优化。以重庆南桐矿区砚石台矿为例,对煤与瓦斯突出强度进行了预测,结果表明,采用本模型的预测结果与矿井实际突出状况一致,模型可靠,具有一定的理论与实际意义。     

基于粒子群优化支持向量机的矿区土壤有机质含量高光谱反演

为了监测复垦矿区土壤的有机质含量, 综合利用光谱分析、统计学习理论与方法以及智能优化理论与方法, 研究了矿区复垦土壤有机质含量与土壤光谱之间的关系, 在此基础上建立了土壤有机质含量高光谱反演模型, 实现土壤有机质含量定量检测.首先对原始土壤光谱数据进行预处理, 然后进行相关性分析, 提取450 nm、500 nm、650 nm、770 nm、1 460 nm和2 140 nm作为特征波段, 最后利用多元线性回归(multiple linear regression, MLR)、偏最小乘回归(partial least squares regression, PLSR)和粒子群优化支持向量机回归(particle swarm optimization support vector machine regression, PSO-SVM)方法建立了土壤有机质含量的高光谱定量反演模型, 并对模型进行验证.3种模型的验证结果如下: MLR、PLSR和PSO-SVM模型的R2分别为0.79、0.83和0.85, RMSE分别为5.26、4.93和4.76.实验结果表明, 无论从模型的稳定性还是预测能力上, PSO-SVM都要优于其他两个模型.      

基于Excel平台土壤含水量多元回归预测模型

土壤含水量是表述土壤干湿程度,反映旱情最直接的重要指标。土壤含水量预测能够反映未来某一时段农牧业旱情发展趋势,为开展旱情预警、各级领导和政府部门指挥抗旱减灾提供决策性依据。以降水、蒸发、风速等实测信息源为影响因子,以Excel为技术平台,创建了土壤含水量多元回归预测模型。该预测模型创建方法简单易行,便于改造和移植,有进一步推广价值。     

Surface Sediment Density and Moisture Content in North slope of South China Sea

<正>Marine engineering geology is mainly based on the actual project to study the seabed.This provides a variety of engineering geological parameters for the development of marine engineering(Zhu et al.,2016).This is an early     

基于BP神经网络的土壤冰结温度及未冰水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数，影响因素多，关系复杂，利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系，效果良好，该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律，其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响。     

基于BP神经网络的土壤冻结温度及未冻水含量预测模型

土壤冻结温度与未冻水含量是冻土的重要物理参数,影响因素多,关系复杂.利用BP网络模型来描述冻结温度与未冻水含量及其与主要影响因素之间的关系,效果良好.该模型直接根据试验数据通过神经网络的自学习能力寻求输出变量与输入变量间的内在非线性规律,其优点在于可利用一个神经网络同时描述多个因素对冻结温度及未冻水含量的影响.