基于公平最大化目标的2020年北京市养老设施布局优化

北京市正快速步入老龄化社会,机构养老作为一种重要的养老模式,对其布局公平性和合理性的研究具有重要的科学和现实意义。本文首先预测了自然增长状态下2020年北京市老龄人口的空间分布,然后建立设施布局优化模型,该模型以各需求点到养老设施的可达性差异最小化为目标;并采用粒子群优化算法求解,对北京市养老设施进行以公平最大化为目标的布局优化。研究结果表明,在公平最大化的目标下,首都功能核心区和城市功能拓展区(即中心城区)所提供的机构养老资源不能完全满足本地需求。城市发展新区在满足当地的机构养老需求之外,还将为中心城区提供大量机构养老服务,生态涵养发展区在满足本地需求的基础上还可为其他地区提供少量机构养老服务。该布局导向与《北京市养老设施专项规划》提出的布局建议相一致,且符合中心城区用地紧张、郊区自然环境较舒适的现实情况。研究结果能为养老政策的制定提供科学建议,所采用的方法也能为其他类型公共服务设施的布局优化提供借鉴。     

基于SAPSO-ELM的瓦斯涌出量分源预测及应用

为了提高瓦斯涌出量预测精度,针对瓦斯涌出量影响因素的多重相关性、复杂性等问题,结合主成分分析法和分源预测理论,对开采层、邻近层、采空区的瓦斯涌出量数据分别进行主成分分析降维,得到预测指标。针对极限学习机(ELM)存在的输入权值矩阵与隐含层阈值随机生成的问题,利用模拟退火粒子群算法(SAPSO)对极限学习机的参数寻优,将新疆某煤矿回采工作面瓦斯涌出量及影响因素作为SAPSO-ELM模型的输入进行训练,再利用训练好的SAPSO-ELM模型对陕西某煤矿回采工作面的瓦斯涌出量进行验证预测,并对比原始ELM模型的预测结果。结果表明,SAPSO-ELM模型的平均相对误差为3.45%,ELM模型的平均相对误差为8.81%,与ELM模型相比,SAPSO-ELM模型预测精度及效率均优于原始ELM模型。分源预测理论和主成分分析法的结合有效解决了多因素间的多重相关性并降低了预测模型的复杂度,SAPSO-ELM预测模型实现了瓦斯涌出量的快速精准预测,对预防瓦斯事故发生和保障煤矿安全高效开采具有较好的指导作用。     

模拟退火粒子群与小波的地基沉降预测应用

针对粒子群优化算法易陷入局部极小值问题,改进学习因子使其自适应调整,并与具有良好全局搜索能力的模拟退火算法结合,充分利用两种算法各自的优点,同时结合小波分析去噪,优化神经网络参数,对地基累计沉降数据进行预测,并与标准粒子群优化算法做了对比,实验表明两种方法的结合具有良好的全局和局部搜索能力,预测精度高。     

地球物理资料群体智能反演(英文)

复杂地球物理资料的反演问题往往是一个求解多参数非线性多极值的最优解问题。而鸟和蚂蚁等群体觅食的过程,正好与寻找地球物理反演最优解的过程相似。基于自然界群体协调寻优的思想,本文提出了交叉学科的群体智能地球物理资料反演方法,并给出了其对应的数学模型。用一个有无限多个局部最优解的已知模型对该类方法进行了试验。然后,将它们应用到了不同的复杂地球物理反演问题中:(1)对噪声敏感的线性问题;(2)非线性和线性同步反演问题;(3)非线性问题。反演结果表明,群体智能反演是可行的。与常规遗传算法和模拟退火法相比,该类方法有收敛速度相对快、收敛精度相对高等优点;与拟牛顿法和列文伯格一马夸特法相比,该类方法有能跳出局部最优解等优点。     

基于粒子群-高斯过程回归耦合算法的滑坡位移时序分析预测智能模型

高斯过程回归(GPR)学习机有着容易实现、超参数自适应获取及预测输出具有概率意义等优点。通常采用共轭梯度法获取GPR超参数,但其存在优化效果对初值依赖性太强,迭代次数难以确定,易陷入局部最优的缺点。改用粒子群优化 (PSO)算法进行最优超参数搜索,形成粒子群-高斯过程回归耦合算法(PSO-GPR)。将该算法引入三峡永久船闸高边坡、卧龙寺新滑坡、链子崖滑坡3个不同的典型滑坡变形时序分析中,对每个滑坡分别采用稳态核及一种新式神经网络（NN）、平方指数（SE）、有理二次型（RQ）3种单一核函数进行外推预报测试。工程应用表明,基于3种不同单一核函数的粒子群-高斯过程回归算法（PSO-GPR）均能完全适应不同滑坡时序分析,其中以NN核函数外推预测效果最佳,平均相对误差分别为6.37%、7.62%、1.07%,从而改善了在进行不同滑坡变形时序分析时采用单一核函数的核机器外推能力存在较大差异性的问题,提高了单一核函数对不同数据类型的兼容性     

阿尔泰额尔齐斯带东段酸性岩墙群地球化学特征及其地质意义

野外地质调查发现在阿尔泰南缘额尔齐斯构造带东段、额尔齐斯活动断裂与富蕴-锡泊渡断裂之间发育了一套未变形的酸性岩墙群.岩墙群侵位于海西期片麻岩化花岗岩和上石炭统深变质的额尔齐斯组岩层中,薄片鉴定和岩石地球化学分析确定为具有细晶结构的流纹斑岩.岩石的SiO2含量为70.9%～75.38%,K2O＋Na2O含量为7.55%～8.99%;大部分样品Na2O＞K2O,里特曼指数值为1.8～2.5之间,Al2O3=12.80%～14.53%,A/CNK=0.9～1.1,NK/A=0.7～0.9,具有准铝质-弱过铝质、低镁、高钾钠、低钙和锶、高（Fe）mol/（Mg）mol特点,具A型花岗岩类特点,属于亚碱性脉岩.岩石轻稀土富集,大离子亲石元素相对富集,具有明显的中等负铕异常,壳源特征明显.锆石U-Pb二次粒子微探针测年显示岩墙群形成于277～286Ma.推断岩墙是阿尔泰海西期造山运动结束后,在拉张构造环境下的地壳局部熔融产物.     

常德1631年大震事件的多场点群发式构造模型

根据对常德1631年地震事件的史料鉴别,尤其是江陵为典型七度震害这一事实,运用震声传播方向和地光物理场以及地震烈度衰减关系,拟合推断此地震事件的序列主要由安乡北6 3/4级地震、常德北太阳山7级地震、澧县6级地震、大庸6级地震和澧县—安乡6 1/2级地震组成,相应的地震地质背景是江汉—洞庭地区晚更新世以来的剩余形变呈四象限分布。若考虑地震-构造相关分布为“Z”字型,则该地震事件的主控构造——太阳山断裂带东断裂具左旋走滑的力学机制。根据区域地震—构造相关发展过程,常德大震事件可视为1668年郯城8 1/2级地震的前震序列组成部分。     

利用人工鱼群算法优化高斯过程模型及应用分析

基于高斯过程利用传统共轭梯度法搜索超参数,存在对初始值依赖性强、获得局部最优解的不足。本文采用人工鱼群算法对超参数进行智能寻优,建立了基于人工鱼群算法的高斯过程模型对变形体形变进行预测分析。通过隧道和基坑两个工程实例计算比对分析,NN、SE和RQ 3种核函数中NN核函数的预测效果最好,平均相对误差分别为0.69%和1.06%。结果表明超参数优化模型的预测精度得到了较大的提高,改善了高斯过程算法本身存在的超参数求解方面的不足,效果明显。     

模拟退火机制下优化离散粒子群的端元提取算法

针对离散粒子群优化(Discrete Particle Swarm Optimization,DPSO)端元提取算法初始种群质量差、收敛性能低且易于陷入局部最优,本文将模拟退火算法引入到DPSO的不同阶段,模拟退火算法能以一定的概率接受和舍弃新状态,使种群内粒子渐趋有序、达到平衡,收敛到全局最优,有效避免了搜索陷入局部最优。因此,该算法不仅保持了DPSO的全局组合优化特点,克服了初始种群质量差、易陷入局部最优等缺点,而且还提高了收敛速度和端元提取精度。     

专题地图色彩的智能设计

为提高专题地图色彩设计的智能化水平,结合专题地图制图的实际需求,给出了一种专题地图色彩智能设计算法;其基本思路为以设计者的配色期望、色彩情感数据库和色彩协调理论为基础,采用粒子群算法进行配色方案的选取,借助孟.斯宾瑟的美度公式对配色方案进行进一步优化,进而得出专题地图智能设色的最优方案。