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。     

隧洞围岩损失位移估计的智能优化反分析

隧洞开挖过程中围岩监测断面的布置一般滞后于掌子面开挖,监测断面布置前围岩已发生的位移称为损失位移。采用优化反分析思路求取损失位移,该思路将损失位移的求解转化为以实测位移与计算位移的误差作为目标函数、岩体力学参数作为决策变量的全局优化反分析问题。针对该全局优化反分析问题是一类高度非线性多峰值且计算代价较高的优化问题,将性能优异的粒子群优化算法与高斯过程机器学习方法相融合,结合FLAC3D数值计算程序,提出隧洞围岩损失位移优化反分析的粒子群-高斯过程-FLAC3D智能协同优化方法。算例研究表明,该方法是可行的,不仅能获得可靠的损失位移预测结果,而且可获取合理的围岩计算模型力学参数,具有全局性好、计算效率高的特点,克服了传统优化反分析方法容易陷入局部最优或过于依赖初始学习样本的局限性。将该方法应用到锦屏二级水电站辅助洞BK14+599断面的损失位移反分析,获得了该断面围岩的损失位移和力学参数,其中,损失位移较大,原因在于岩体开挖后在短时间内弹性变形大。因此,对于地下工程,特别是深部地下岩体工程,在围岩稳定性评价与围岩参数反分析中,损失位移不可忽视,应给予足够重视。     

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。      

基于粒子群算法与混合罚函数法的有限元优化反演模型及应用

岩土工程优化反分析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。针对常规反演方法应用于岩土工程参数反演时搜索效率低的缺点,结合粒子群算法和遗传算法的特点,充分考虑二者的互补性,提出一种效率较高的全局优化算法,以测点的实测值与计算值建立一种新的评价函数,将多目标优化问题转化为单目标优化问题,用混合罚函数法将约束问题变为无约束问题,构建了一种新的目标函数,将有限元程序ABAQUS作为一个模块嵌入到优化算法程序中,编制了有限元优化反演分析程序。并给出了应用实例验证了该法的有效性和实用性,是一种可行的参数反演方法,可应用于实际工程中复杂岩土介质初始应力场反演、渗流场以及位移反分析     

水文地质参数反演的Hooke-Jeeves粒子群混合算法

水文地质参数寻优结果的好坏会直接影响到地下水数值模拟的精度,而参数寻优结果很大程度上取决于寻优方法的选择。粒子群算法是一种基于群智能的随机全局寻优方法,算法的缺陷是后期搜索效率低劣。基于随机寻优算法的混合策略,引入有效的约束处理手段和粒子群算法惯性因子的动态非线性调整技术,有机融合粒子群算法与Hooke-Jeeves方法,提出一种适用于水文地质参数反演的HJPSO混合算法。应用研究表明,HJPSO混合算法在参数反演计算中求解精度高、收敛速度快、寻优性能强,是一种值得推广的水文地质参数识别方法。     

基于MPSO的RBF耦合算法的桩基动测参数辨识

变异粒子群优化算法（MPSO）是一种基于群体智能的改进全局优化技术,其优势在于减小陷入局部极值的机率,增加全局搜索能力。将变异粒子群算法与径向基函数（RBF）神经网络结构进行结合,建立了变异粒子群神经网络（MPSO-RBF）耦合算法,充分发挥了MPSO算法的全局寻优能力和RBF算法的局部搜索优势。数值计算结果表明,所建立的方法能够对桩基动测进行多参数的识别和非线性优化问题的求解,具有良好全局收敛能力,是一种行之有效的智能算法。     

PSO-LSSVM模型在位移反分析中的应用

提出了一种基于均匀设计原理、最小二乘支持向量机(LSSVM)和粒子群优化算法(PSO)的快速位移反分析方法。该方法利用均匀设计和有限差分法获得学习样本,再用粒子群算法搜索最优的最小二乘支持向量机模型参数。并用最小二乘支持向量机回归模型建立反演参数与监测点位移值之间的非线性映射关系,最后用粒子群算法从全局空间上搜索与实测位移最吻合的反演参数。该反演模型利用了粒子群算法高效简单、均匀设计构造高质量小样本以及最小二乘支持向量机的小样本、泛化性能好的特点。将该模型应用于龙滩水电站左岸地下厂房区岩体地应力场的反演分析中,计算结果与实测的位移值和地应力值均吻合较好,说明了该模型在岩土工程快速反演分析中具有良好的应用价值。     

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.     

基于多重响应面法的基坑位移反分析

基坑变形的反分析涉及数值模型与优化方法的耦合,常具有计算量大、使用不方便的特点。为此,提出1种可用于基坑变形反分析的多重响应面法,该方法在基坑地下连续墙不同深度处分别采用二次多项式表示地下连续墙水平位移与土层弹性模量之间的隐式关系,在此基础上利用位移观测对基坑土层弹性模量进行反分析。该方法可以解开数值模型和优化算法的耦合,从而具有较高的计算效率。工程应用实例表明,多重响应面法对基坑土层弹性模量进行反分析具有使用方便、计算效率高、计算结果准确的优点,非常适合求解基坑工程的位移反演问题。     

一个新的全局优化算法在岩土工程反分析中的应用

DCD(dynamic canonical descent)算法是一个新的全局优化算法,运用该法进行优化时,无需考虑目标函数的可微性,只要正确给定优化变量的优化区间,且该区间具有凸性,那么此算法就能很好地收敛于该区间的全局极小点.针对该算法,建立了相应的算法迭代格式.对数值试验和在岩土工程位移反分析的应用中引入该算法的迭代格式进行全局优化反演,其结果表明:该算法稳定性强,优化结果的可靠度高,收敛速度较快.     

Particle swarm optimization for numerical bifurcation analysis in computational inelasticity

An efficient and robust algorithm to numerically detect material instability or bifurcation is of great importance to the understanding and simulation of material failure in computational and applied mechanics. In this work, an intelligence optimizer, termed the particle swarm optimization, is introduced to the numerical solution of material bifurcation problem consisting of finding the bifurcation time as well as the corresponding bifurcation directions. The detection of material bifurcation is approached as a constrained minimization problem where the determinant of the acoustic tensor is minimized. The performance of the particle swarm optimization method is tested through numerical bifurcation analysis on both small and finite deformation material models in computational inelasticity with increasing complexity. Compared with conventional numerical approaches to detect material bifurcation, the proposed method demonstrates superior performance in terms of both computational efficiency and robustness. Copyright © 2016 John Wiley & Sons, Ltd.     

基于压水试验的地层渗流场反分析

地下工程建设过程中,地下水分布以及岩体渗透参数确定至关重要。基于对解决欠定反分析问题的目标函数分析,通过利用适应度函数、地质统计原理和变差函数等优化,得到了解决地层渗透系数一类水文地质问题的罚函数,为解决欠定的反分析问题提供了一个优化评判准则,并结合粒子群算法建立优化反分析数学模型;提出利用压水试验钻孔水头变化反分析得到地层渗透系数的新方法。对南京地铁上元门车站,进行现场压水试验得到钻孔水头高度,利用经过罚函数优化的反分析数值计算获得地层渗透系数,对压水试验区域的电阻率跨孔CT探测验证了该方法区域上的正确性,该区域的钻孔原位渗透系数测试验证了该方法在数值上的准确性。结果表明,经过罚函数优化的反分析计算的准确率达到90%,说明该方法有助于得到全面的地层水文地质信息,对后续的治理具有指导作用,希望能对类似工程有一定的借鉴意义。     

PSO-RBFNN模型及其在岩土工程非线性时间序列预测中的应用

岩土工程受力变形演化是一个典型的非线性问题,其演化的高度非线性和复杂性,很难用简单的力学、数学模型描述,但可用粒子群优化径向基神经网络对岩土工程应力、位移非线性时间序列进行动态实时预测。网络径向基层的单元数通过均值聚类法确定后,所有其它参数：中心位置、形状参数、网络权值,均通过粒子群优化算法在全局空间优化确定。工程实例应用表明,该模型预测结果准确、精度高,有良好的应用前景。     

Hybrid particle swarm optimization for first-order reliability method

A reliability analysis method based on the combination of the first-order reliability method (FORM) and hybrid particle swarm optimization (SACPSO) is presented for the reliability optimization calculation. The new reliability method, named as SACPSO-FORM, can be utilized for those complex reliability problems with correlated non-normal variables and implicit performance functions. Three examples are performed to verify its validation, and stability reliability analysis on the complicated rock foundation of a practical gravity dam is demonstrated. The results show that the proposed method is accurate, stable, flexible and efficient for reliability analysis in engineering applications.     

A nonlinear multiparameter prestack seismic inversion method based on hybrid optimization approach

Multiparameter prestack seismic inversion is one of the most powerful techniques in quantitatively estimating subsurface petrophysical properties. However, it remains a challenging problem due to the nonlinearity and ill-posedness of the inversion process. Traditional regularization approach can stabilize the solution but at the cost of smoothing valuable geological boundaries. In addition, compared with linearized optimization methods, global optimization techniques can obtain better results regardless of initial models, especially for multiparameter prestack inversion. However, when solving multiparameter prestack inversion problems, the application of standard global optimization algorithms maybe limited due to the issue of high computational cost (e.g., simulating annealing) or premature convergence (e.g., particle swarm optimization). In this paper, we propose a hybrid optimization-based multiparameter prestack inversion method. In this method, we introduce a prior constraint term featured by multiple regularization functions, intended to preserve layered boundaries of geological formations; in particular, to address the problem of premature convergence existing in standard particle swarm optimization algorithm, we propose a hybrid optimization strategy by hybridizing particle swarm optimization and very fast simulating annealing to solve the nonlinear optimization problem. We demonstrate the effectiveness of the proposed inversion method by conducting synthetic test and field data application, both of which show encouraging results.