遗传模拟退火的BP算法在冲击地压中的应用

冲击地压的预测、预报的研究,大多数仍停留在简单的统计研究和单因素的预测方面,因而,结果也不十分理想。笔者采用多层前向网络对该问题进行数学建模,网络的训练算法采用基于遗传模拟退火的BP优化算法。该算法是在遗传算法中引入模拟退火机制,将其同BP算法结合,形成一个混合的优化算法。新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局随机搜索能力。同时,利用华丰矿冲击地压的实际监测数据,通过遗传算法的主要性能指标对新算法的参数进行了比较研究,得到优化后的一组参数。利用该参数,对冲击地压的神经网络模型的结构、权值和阈值进行了优化,得到了非全连接的优化神经网络模型。最后,利用该模型对华丰矿冲击地压进行了短期最大震级的预报。预测结果的相对误差率平均为 7.84 %,预测效果比较理想。     

径向基函数神经网络需水预测研究

在分析山西省历年用水量和人均用水量的基础上，建立径向基函数神经网络需水预测模型，采用最近邻聚类学习算法确定径向基函数的宽度、选取聚类中心和权值。采用丰富的需水预测因子作为模型的输入，网络输出需水预测值。预测结果表明，径向基函数神经网络需水预测模型运算速度快，有较高的预测精度。需水预测可为水资源规划和配置提供依据。     

遗传模拟退火算法在边坡稳定分析中的应用

利用遗传模拟退火算法结合瑞典圆弧法,寻找最危险滑裂面进行边坡稳定分析。对构造数学模型、确定计算步骤、选取参数等方面作了一定的研究。通过实例计算,结果令人满意。     

基于模拟退火的Gauss-Newton算法的神经网络在渗流反分析中的应用

提出了模拟退火的Gauss-Newton算法的神经网络,克服了经典BP网络存在的一些缺陷。并以正弦函数的迭代收敛为例,证明了该方法的正确性,有效性和优越性。同时将该方法用于同乐坪大坝的渗流反分析,利用反演出的渗透系数进行渗流场计算。得到的水头预报值与观测值相吻合,可知反演结果是正确的,说明该方法用于实践工程的渗流参数识别是可行的。     

基于遗传神经网络的锚杆极限承载力预测的研究

针对BP人工神经网络具有易陷入局部极小等缺陷,提出了将遗传算法与神经网络结合,同时优化网络结构的权值与阈值的思想,建立了基于遗传算法的锚杆极限承载力预测的遗传神经网络模型。该模型以低应变动测的5个变量作为输入变量来对锚杆极限承载力进行预测,并与BP神经网络预测结果进行比较。数值算例表明,遗传神经网络在锚杆极限承载力预测中具有较高的计算效率和识别精度。     

模拟退火算法在水驱气藏物质平均计算中的应用

在利用物质平衡方程计算水驱气藏地质储量时，传统的试验凑法虽然有一定科学合理性，但由于存在很多不确定参数，在精确计算中因工作量大，很难推广。为此，在分析水驱气藏物质平均方程的基础上，建立最优化模型，并引入全局寻优性较好的模拟退火方法进行求解。经实际计算表明，方法具有全局收敛性，计算结果有较高可信度。     

SOM-RBF神经网络模型在地下水位预测中的应用

利用自组织映射(SOM)聚类模型优化径向基函数神经网络(RBFN)隐层节点的方法,减小了RBFN由于自身结构问题在地下水水位预测中产生的误差。采用SOM对已有样本进行聚类,利用聚类后的二维分布图确定隐层节点的数目,并根据聚类结果计算径向基函数的宽度,确定径向基函数的中心,由此建立SOM-RBFN模型。以吉林市丰满区二道乡为例,采用2000—2009年观测的地下水位动态资料,利用SOM-RBFN模型对地下水位进行预测,验证其准确性,并分别以5、7、10a的地下水位动态数据为研究样本建立模型,考查样本数量对预测结果的影响。研究结果表明:SOM-RBFN模型预测地下水水位过程中,均方根误差(RMSE)的均值为0.43,有效系数(CE)的均值为0.52,均达到较高标准,因此SOM-RBFN模型可以作为有效而准确的地下水水位预测方法;同时RBF7的RMSE和CE均值分别为0.38和0.68,结果优于RBF5和RBF10,这就意味着在模型计算中样本数量不会直接影响预测结果的精度。     

神经网络原理在单桩沉降预测中的应用

神经网络计算法是模拟人体经络系统活动机理来对客观事物进行科学研究的新方法。系统介绍了用神经网络法预测单桩沉降的方法，为应用神经网络原理解决工程领域中的难题作了一次新的尝试。根据Ｈ．Ｇ．Ｐｏｕｌｏｓ等人的线性弹性理论，应用ＥＢＰ神经网络计算原理，结合概率论的分析方法，建立了在竖向荷载作用下用桩长径比预测单桩沉降的神经网络模型。总结和分析了珠江三角洲地区大量的单桩沉降测试材料，通过单桩沉降的预测值与实     

BP网络的改进及模拟退火神经网络在地学中应用

本文针对ＢＰ神经网络收敛速度慢的缺点，提出了改进方案。还引进了模拟退火理论，将模拟退火算法与ＢＰ神经网络计算方法结合，并通过对正弦函数岩性识别及跨孔地震层析成象的试验，证明模拟退火ＢＰ算法是有效的、大范围收敛的。而且，具有良好的收敛速度和很高的精确度。     

基于粗糙集理论的遗传-RBF神经网络在岩爆预测中的应用

岩爆发生机制复杂,影响因素较多,通过粗糙集理论中的属性约简和条件属性重要性评价,确定特定地质条件下岩爆的主要影响因素,删除冗余数据。使用遗传算法(GA)优化径向基函数（radial basis function,简称RBF）神经网络参数,通过RBF神经网络隐层单元将低维模式输入变换到高维空间内,拟合影响因子和岩爆等级之间的非线性映射关系,建立基于粗糙集理论的遗传-RBF神经网络岩爆预测模型,目前未见其在地下洞室岩爆预测中应用。在根据工程实际情况选取多个理论判据的基础上,将建立的预测模型应用于实际工程的岩爆预测问题,并与实际岩爆发生情况进行对比分析。结果证明,该方法的评价结果与实际情况较为吻合,对后期施工有较好的指导作用。     

Practical considerations in the application of simulated annealing to stochastic simulation

Realizations generated by conditional simulation techniques must honor as much data as possible to be reliable numerical models of the attribute under study. The application of optimization methods such as simulated annealing to stochastic simulation has the potential to honor more data than conventional geostatistical simulation techniques. The essential feature of this approach is the formulation of stochastic imaging as an optimization problem with some specified objective function. The data to be honored by the stochastic images are coded as components in a global objective function. This paper describes the basic algorithm and then addresses a number of practical questions: (1) what are the criteria for adding a component to the global objective function? (2) what perturbation mechanism should be employed in the annealing simulation? (3) when should the temperature be lowered in the annealing procedure? (4) how are edge/border nodes handled? (5) how are local conditioning data handled? and (6) how are multiple components weighted in the global objective function?     

基于灰色Verhulst模型的岩溶塌陷定量预报预测方法

在总结分析现有岩溶塌陷预报预测方法的基础上,从灰色系统理论出发,选取带有时间因子的地下水动力条件因素为已知信息,应用灰色Verhulst模型对桂林柘木村岩溶塌陷的发生时问进行了预报预测验证.验证结果显示,预测时问和实际塌陷时间基本吻合.柘木村3月份岩溶塌陷的预测时问为2000年3月17日,实际塌陷时问为2000年3月20日,预测值比实际值提前3天,准确率为90%;8月份岩溶塌陷的预测时间为2000年8月14日,实际塌陷时问为2000年8月14日,准确率为100%.另外,作者对预报产生误差的可能原因进行了分析,以便能改进模型,进一步提高预测精度.     

大坝变形监测遗传神经网络模型

在简要介绍遗传神经网络的基本概念及学习步骤的基础上,分别对大坝坝顶径向水平位移、切向水平位移和大坝坝顶沉降量监测数据进行了训练和预测。结果表明,利用遗传算法特有的全局优化能力,可以较好地完成网络的学习,而且还减少了网络训练次数,缩短了网络训练时间。     

基于自适应退火算法的非线性位移反分析方法研究

根据地下工程非线性位移反分析的特点,建立起基于地下洞室收敛位移量测结果的反分析模型;针对一般退火演化算法优化效率低的问题,综合运用遗传算法、模拟退火算法和非线性有限元分析手段,并引进自适应的思想,建立了基于自适应退火演化算法的地下工程非线性位移反分析的新方法和理论,在探讨其应用方法与实施过程的基础上,开发了相应的计算分析程序。模拟分析表明,理论计算结果与模拟结果吻合良好,该方法可以满足工程要求。     

ANN技术在地下水含水量预测建模中的研究与应用

将人工神经网络(ANN)技术引入到地下水含水量预测工作,以华北平原和河套平原为试验场,以若干已知钻孔为验证,采用激电和电阻率测深等地面物探方法获取视电阻率ρS、视极化率ηS、半衰时Th、衰减度D和偏离度σ等参数为输入神经元对单孔单位涌水量建立人工神经网络预测模型。同时,为消除不同地区矿化度的影响,通过实验对比引入综合参数T",改良了输入神经元的配比。最终建立以半衰时Th、衰减度D、偏离度σ和综合参数T"为输入神经元的含水量预测模型,进一步提高了预测精度。通过检验,发现所建立的模型对平原地区进行含水量的定量预测有着较好的效果,为含水量预测工作研究与发展带来了新理念、打开了新思路。     

基于蒸散发数据同化的径流过程模拟

采用集合卡尔曼滤波算法,以遥感反演的蒸散发作为观测数据,构建一种基于新安江模型的蒸散发同化系统;根据同化后的蒸散发,采用粒子群算法估计新安江模型的土壤张力水蓄量,进而改进模型的径流模拟效果。选取地表能量平衡系统模型进行汉江流域蒸散发（ET_SEBS）反演,采用基于GRACE水储量距平数据的水量平衡蒸散发（ET_GRACE）进行验证,结果显示ET_SEBS总体表现好于蒸散发产品ET_GLDAS、ET_Zhang、ET_MODIS,且相关系数（R）、均方根误差（E_RMS）、偏差（B）为0.93、11.93 mm/月、-3.47 mm/月,表明SEBS模型能够较好地估算蒸散发。将同化方案在旬河流域进行应用,结果显示同化后径流的纳什效率系数（E_NS）为0.85,较同化前0.81明显提高,且模型对枯水期径流的低估问题有一定改善,对径流峰值模拟效果提高明显。     

钱塘江河口一维盐度动床预报模型及应用

钱塘江河口为强涌潮、高含沙量、河床冲淤剧烈的河口,其盐度输移时空变化受河床冲淤的反馈影响十分显著。建立了考虑河床冲淤变化的一维盐度动床数学模型,耦合求解水沙运动、河床冲淤及盐度输移过程,数值计算方法采用守恒性较好的有限体积法。验证结果表明:河床冲淤对氯度的影响非常显著,动床模型的结果与实测基本吻合,在长历时盐度预报中采用动床模型是必要的。应用该模型分析了钱塘江河口咸水入侵对上游建库、治江缩窄工程等人类活动的响应,探讨了杭州城市供水水源保证率。结果表明,新安江水库、河口治理缩窄工程对改善河口淡水资源利用、保障杭州市供水安全显著;供水保证率要达95%以上,需采取上游水库泄水调度和新建备用水库等措施。     

地质灾害气象预报预警方法探讨--以四川省地质灾害气象预报预警为例

通过研究确定区域地质灾害发生的地形地貌、地层岩性、地质构造等地质环境背景条件,寻找地质灾害发生与气象因素的耦合关系,建立汛期地质灾害气象预报预警模型,结合强降雨天气的预报,对地质环境背景条件与气象因素的叠加评价,对地质灾害的易发程度及分布范围进行预报预警。以四川省地质灾害气象预报预警工作为例,初步建立了地质灾害气象预报预警模型和信息的评价、会商、签发、发布、接收、处理及反馈程序。2003年汛期应用证明,区域性地质灾害的预报预警水平明显提高。     

天津市地质灾害-气象预报预警方法探讨

天津市蓟县山区面积727km2,以中低山和低山丘陵地貌形态为主,在强降雨和持续降雨条件下发生泥石流、滑坡等地质灾害的可能性客观存在。历史上地质灾害已给当地造成了一定的人员伤亡及财产损失。为了加强突发性地质灾害预防工作,提高人民群众的防灾意识,天津市2004年开始开展地质灾害-气象预报预警工作,取得了一定的效果。针对天津市山区面积较小、地质灾害事件较少的特点,目前常用的地貌分析———临界降雨量模型判据法具有一定的局限性,预报成功率较低。在区域性地质灾害-气象预报预警工作的基础上,开展单点泥石流灾害气象预报预警工作非常必要。对容易发生泥石流灾害的主要沟谷,通过现场调查可以获取沟谷的形态特征参数(沟谷的高差、纵坡的坡度、沟长、流域面积等)。以临界降雨量为变量因子,对每个监测沟谷建立泥石流灾害气象预警预报模型,可以很大程度提高预报的针对性。模型需要在实践中不断检验和完善,逐步提高预报的准确率。