围岩稳定性评价的投影寻踪权重-属性区间识别模型

围岩的稳定性评价是一个复杂的不确定系统问题。采用粒子群算法优化投影寻踪方法,并结合属性区间识别理论,建立了围岩稳定性评价的投影寻踪权重-属性区间识别模型。选取5个围岩稳定性影响因子作为评价指标,通过构造属性测度区间函数计算单指标属性测度区间,利用基于粒子群优化的投影寻踪确定各评价指标的权重以计算综合属性测度区间,应用置信度准则和评分准则对围岩的稳定性进行属性识别。实例研究表明,该模型能有效的解决围岩稳定性评价问题,且评价结果科学可靠;评价模型采用投影寻踪确定权重,避免了权重确定中的主观性和随意性,保证了评价工作的客观性和准确性。     

基于足球联赛竞争算法-投影寻踪-云模型的水资源短缺风险评价

为客观衡量水资源短缺风险评价过程中的随机性与模糊性,将正态云模型引入水资源短缺风险评价,建立足球联赛竞争算法-投影寻踪-正态云评价模型,以云南省各州市水资源短缺风险评价为例进行实例研究。从水资源等系统遴选20个指标构建水资源短缺风险评价指标体系和分级标准,采用云模型正向发生器计算水资源短缺风险分级评价指标的隶属度;在分级标准阈值间随机内插样本构造投影寻踪优化目标函数,利用足球联赛竞争算法、粒子群算法、布谷鸟搜索算法和差分进化算法优化投影寻踪目标函数并进行比较,并通过足球联赛竞争算法-投影寻踪法给出各指标权重;根据隶属度矩阵和权重矩阵计算水资源短缺风险评价的分级确定度并进行评价,评价结果与投影寻踪法、模糊综合评价法比较。结果表明:足球联赛竞争算法寻优精度高于粒子群算法等3种算法。昆明市、怒江州和迪庆州水资源风险评价为低风险;玉溪市、保山市、文山州和德宏州评价为较低风险;曲靖市、昭通市、普洱市、临沧市和红河州评价为中等风险;其余州市评价为较高风险,评价结果与投影寻踪法、模糊评价法基本一致。足球联赛竞争算法-投影寻踪-正态云评价模型兼具模糊性和随机性,既能反映水资源短缺风险评价分级的定性概念,又可反映隶属程度的不确定性,具有较好的应用价值。     

投影寻踪评价模型在隧道围岩稳定性分级中的应用

隧道围岩稳定性分级对隧道工程设计和施工具有重要的意义。利用影响隧道围岩稳定性的多种因素,应用投影寻踪评价模型建立隧道围岩稳定性分级方法,探讨了利用不便于量化为投影指标的影响因素对投影分级结果进行修正的方法。应用实例表明,投影寻踪分级结果与其它分级方法的结果相符,证实了方法的正确性。     

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．     

基于粒子群优化算法的多元线性拟合方法研究及其应用

实际测井中,密度曲线最易受扩径的影响。为了消除这种影响,在多元线性拟合方法中引入了粒子群优化算法(Particle Swarm Optimization,PSO),提出了基于粒子群优化算法的多元线性拟合方法,粒子群优化算法是对目标函数优化具有自适应控制的智能进化算法。这里将粒子群优化算法与多元线性拟合法结合,选取井眼环境好,且与扩径层段有相同的岩性、物性的井段作为参考层,利用受井眼环境影响相对小的测井曲线(伽马、电阻率和声波时差),建立更加精确的多元线性拟合模型;再运用这个模型在扩径层段重构密度曲线;最后将重构密度曲线与原始密度曲线、Gardner公式计算的密度曲线进行对比分析。研究结果表明,提出的基于粒子群优化算法的多元线性拟合法重构的密度曲线的合成地震记录与井旁地震道相关系数可达0.86,说明该方法能够更有效提高密度测井曲线的质量。     

基于投影寻踪模型的水质综合评价

针对投影寻踪模型中投影指标函数的最优化计算复杂问题,采用加速遗传算法加快寻优速度,解决了投影寻踪过程中最优化问题。实例计算表明,该模型可处理复杂多指标优化问题,是解决复杂水质综合评价的有效途径。     

基于粒子群优化算法的未知波速声发射定位数值模拟

针对岩石力学试验中基于时差定位算法中声发射定位精度受岩石波速等诸多因素的影响问题,提出基于粒子群优化的未知波速声发射定位算法。该算法将岩石波速作为未知值,根据拾取到的时差建立基于最小二乘法原理的目标函数,利用粒子群优化算法,求解目标函数,寻得目标位置和波速。权重系数是影响该算法精度及其稳定性的重要因素,首先通过数值试验模型确定最优权重系数为0.729 8,可以满足算法精度及其稳定性。数值仿真结果表明,由选取的权重系数最后计算精度高于传统已知波速算法。为验证该算法的实际应用效果,进行断铅试验,结果表明该算法优于传统已知波速算法。     

基于PSO和LSSVM的边坡稳定性评价方法

提出了基于粒子群算法（PSO）和最小二乘支持向量机（LSSVM）的边坡稳定性评价方法。该模型既利用了最小二乘支持向量机求解速度快、易于描述非线性关系的优良特性,同时也利用了粒子群算法快速全局优化的特点。粒子群算法用于搜索最小二乘支持向量机模型的最优参数,然后将模型用于预测边坡的安全系数。计算结果表明,该方法是合理的、有效的。     

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.     

基于投影寻踪插值模型的围岩稳定性分类研究

由于受到多种因素的综合作用,因此对围岩稳定性进行准确分类是一个难题。选取影响围岩分类的5个主要因素,根据分类标准,采用在每级标准中随机内插的方法,得到50个标准样本,用于构建分类模型。针对上述复杂优化模型,采用遗传算法进行优化,以获得的最佳投影方向为基础,得到围岩稳定性分类的投影寻踪插值模型。实例分析表明：该模型的分类结果是准确和可靠的,与采用其他几种分类方法所得结论一致。此外,该模型可以得出每个样本的具体得分值,即使对属于同一级的样本也可以排出它们的优劣顺序,因而具有较高的分类精度,是一种更具有应用前景的新方法。     

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PSO-SVM非线性时序模型的隧洞围岩变形预报

现场量测获得的围岩变形信息,从宏观上反映了地下洞室围岩-支护系统力学性态变化。为克服人工神经元网络方法过学习问题,提出了一种新的预测地下洞室围岩变形的粒子群支持向量机方法,用粒子群算法优化最小二乘支持向量机的参数,避免了人为选择参数的盲目性,提高了预测模型的训练速度和预测推广能力。利用这种非线性智能预测方法,基于监测数据滚动预测围岩变形,可以及时优化和调整施工步序,保证洞室的稳定性。将该方法用于清江水布垭电站地下厂房的围岩收敛变形预测,获得了令人满意的预测效果。     

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。     

PSO-LIBSVM在钾盐矿层识别中的应用研究

钾盐的紧缺严重制约了中国农业的发展,加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富,是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物,常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题,因此,提出一种新的基于粒子群算法(PSO)优化的支持向量机(SVM)杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础,结合测井解释方法,选择对杂卤石测井响应灵敏的有效数据作为输入样本,随机产生训练集和测试集,并采用PSO优选出径向基核函数参数,建立杂卤石分类预测模型。与录井结果对比,基于PSO的SVM模型识别准确率达到了97.5758%,在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明,该模型在四川盆地钾盐勘探中具有广阔的应用前景。     

Application of PSO-LIBSVM in Recognition of Potassium Salt Deposits

The shortage of potassium salt seriously restricts the development of China's agriculture. Increasing the exploration and development of potash will help improve the self-sufficiency of potassium in China. With rich potassium salt resources, Sichuan basin is one of the most important research areas for potash exploration and development in China. Polyhalite is an important solid potassium salt mineral in Sichuan basin, often intercalated in rock minerals such as anhydrite, rock salt and dolomite. Aiming at the problem that conventional log interpretation methods are difficult to accurately identify polyhalites, this paper proposed a new Support Vector Machine (SVM) recognition method based on Particle Swarm Optimization (PSO) to classify polyhalites in Sichuan basin. Based on particle swarm optimization and support vector machine theory, combined with logging interpretation theory, the effective data sensitive to polyhalite logging response were selected as input samples to generate training sets and test sets randomly. The Radial Basis Function (RBF) parameters were optimized by particle swarm optimization, and the classification and prediction model of polyhalite was established. Compared with mud logging results, the recognition accuracy of SVM model based on particle swarm optimization reached 97.5758%, which is obviously better than that of SVM model optimized by cross validation method in recognition accuracy and speed. The results show that the model has broad application prospects in potash exploration in Sichuan basin.     

基于微粒群算法的大坝材料参数反分析研究

将微粒群算法应用于大坝参数反分析，同时分析了群体规模对算法的搜索效率和搜索质量的影响以及微粒群反分析算法的数值稳定性。对算例的分析结果表明，基于微粒群算法的大坝参数反分析方法简便易行，收敛精度高，且具有很好的抗噪音能力，是一种新的有效、可靠的参数反分析方法。     

基于岩石物理模型的页岩储层裂缝属性及各向异性参数反演

针对富有机质页岩储层复杂的矿物组分与微观孔缝结构,本文提出基于岩石物理模型和改进粒子群算法的页岩储层裂缝属性及各向异性参数反演方法。应用自相容等效介质理论与Chapman多尺度孔隙理论建立裂缝型页岩双孔隙系统岩石物理模型。开发基于岩石物理模型的反演流程,引入模拟退火优化粒子群算法解决多参数同时反演问题,反演算法能够避免陷入局部极值且收敛速度快。将本文方法应用于四川盆地龙马溪组页岩气储层,反演得到的孔隙纵横比、裂缝密度等物性参数和各向异性参数与已有研究结果一致,能为页岩储层的评价提供多元化信息。