基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

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。     

基于cut-off方法刚性承台下群桩基础优化分析

针对刚性筏板下群桩基础优化设计问题进行分析,通过改变桩长分布来调整各桩的荷载分担,群桩分析采用基于弹性理论的积分方程方法,并通过cut-off方法来反映桩的弹塑性特性,实现群桩基础的弹塑性优化分析,改进了常规弹性分析方法的缺陷。算例分析表明,随着外荷载的不断增加,角桩首先达到极限荷载,对角桩超出极限荷载的部分进行重新分布,继而使得边桩逐渐达到极限承载状态,继续加载直至内桩也达到极限承载状态,从而引起桩筏基础的整体破坏。采用cut-off方法可以改进基础变刚度优化设计,使之与实际情况更为吻合。     

减震结构中的粘弹性阻尼器参数优化

研究了粘弹性阻尼器在结构减震控制中的参数优化问题。从性价比的角度提出r优化目标函数,建立了阻尼器的参数优化模型。以一单层框架为例,分别选用非线性规划中的复形法和通过调用MATLAB程序优化工具箱中Fmincon函数（简称Fmincon函数法）两种方法,编制丁相应的优化分析程序,对粘弹性阻尼器在单层框架结构减震控制中的参数优化进行丁分析。研究结果表明,两种优化算法都达到了预期的目标,实现了目标函数最小化。     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

基于热层电离层耦合数据同化的热层参量估计

本文采用高效集合卡尔曼滤波(EnKF)算法和背景场热层电离层理论模式NCAR-TIEGCM,开发了热层电离层数据同化系统.基于全球空地基GNSS电离层斜TEC观测、CHAMP和TIMED/GUVI热层参量观测构型设计了系列观测系统模拟实验,对热层参量进行估计.实验结果表明,(1)通过集合卡尔曼滤波算法同化电离层TEC观测能够较好地优化热层参量.(2)中性质量密度优化效果在整个同化阶段均有提升,提升百分比能达到40%.(3)积分氧氮比在同化阶段也能得到较好的优化,但在电子密度水平梯度变化剧烈区域效果较差.最后本文对中性质量密度进行了预报评估,结果表明,由于中性成分优化,在地磁平静条件下其预报时间尺度可长达24h.     

混合最优化方法在潮汕坳陷重力资料反演中的应用

选用目前非线性方法中的2个研究热点——BP神经网络和模拟退火算法,用优化后的BP神经网络为主框架,结合位场反演的特点,在反演过程中引入模拟退火算法,这样既利用了BP神经网络具有指导学习的功能来提高局部搜索性能,也利用了模拟退火算法的概率突跳性来实现最终的全局收敛性,从而提高了反演的速度和精度。通过模型试验验证了其有效性之后,将该方法应用于珠江口盆地潮汕坳陷的重力资料反演,结果较好地反映了剖面的地质情况。     

卫星估计降水量产品的优化处理及分区检验

经检验发现,由国家卫星气象中心反演并投入业务使用的GMS-5卫星红外估计降水量产品性能在我国存在一定的区域差异。利用实测雨量对卫星估计降水量产品进行优化处理,结果显示优化后的卫星估计降水量在全国各气候分区都有不同程度的改善。     

PARAMETER AND VARIANCE ESTIMATION IN GEOTECHNICAL BACKANALYSIS USING PRIOR INFORMATION

A probabilistic framework to perform inverse analysis of geotechnical problems is presented. The formulation allows the incorporation of existing prior information on the parameters in a consistent way. The method is based on the maximum likelihood approach that allows a straightforward introduction of the error structure of field measurements and prior information. The difficulty of ascribing definite values to the uncertainties associated with the various types of observations is overcome by including the corresponding variances in the set of parameters to be identified. The inverse analysis results in a minimization problem that is solved by coupling the optimization technique to the finite element method. Two examples are presented to illustrate the performance of the method. The first one corresponds to a synthetic case simulating the excavation of a tunnel. Young's modulus, K₀ value and measurements variances are identified. The second case concerns the excavation of a large underground cavern in which again Young's modulus and K₀ are identified. It is shown that introduction of prior information permits the estimation of parameters more consistent with all available informations that include not only monitored displacements but also results from in situ tests carried out during the site investigation stage.     

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。