基于遗传算法和BP神经网络的矿井涌水量预测

为避免BP神经网络极易陷人局部解的问题,针对遗传算法具有全局寻优的特点,提出了用遗传算法优化BP神经网络预测方法,并以刘桥二矿为例,对其矿井涌水量进行了预测。首先选取刘桥二矿区的2005年3月至2006年12月的矿井涌水量数据进行分析,然后使用遗传算法优化BP网络的初始权值和阈值,最后使用BP神经网络进行训练。将其成果与纯BP网络算法进行比较,结果表明：遗传算法优化BP神经网络的预测方法的预测精度高于纯BP网络算法,将其应用于矿井涌水量预测是有效可行的。     

应用遗传-神经网络方法预测软土路基沉降

理论方法预测软土地基沉降与实际存在较大的差距,使得预测结果很难达到设计要求,不利于指导施工。将现有的理论方法同现场观测信息相结合,对软土地基变形作出更为准确的预测,有利于指导和控制工程施工。采用遗传算法和BP最优化法相结合的算法来训练网络,用遗传算法来优化BP神经网络中权值;用龚帕斯曲线来分解沉降时序,通过沉降趋势线偏移量来训练网络。采用这种方法预测软土路基沉降取得了较好的应用效果。     

浙江省仙居小流域泥石流成因分析及其易发度评价

受特殊自然地质环境和经济飞速发展的强烈影响,大中城市及国民生产值高度集中的沿海地区正在面临地质灾害的严重威胁;其中泥石流灾害是主要4大地质灾害之一。在泥石流灾害研究中,区域性防治及其防治工程实践是预测预报重要依据。文章以浙江省小流域泥石流为研究对象,在系统勘测调查解剖的基础之上,运用地质工程与防灾减灾工程学的原理,采用工程勘察与室内分析相结合的手段,综合分析了浙江省小流域泥石流的背景地质条件、成因特征、对易发程度及趋势分别作了评价、预测。结果认为,地形地质条件是泥石流发生的基础,自然暴雨是引发的主因,在一定自然条件下较易再次发生泥石流灾害。     

河西金矿构造控矿特征及成因机制初探

河西金矿床成矿构造位置独特,矿体复杂.文章从控矿构造成因人手,研究了河西金矿床控矿构造的形成、发展和演化,指出了河两金矿床控矿构造系统是在不同于主应力场的局部应力场作用下形成的,不同方向的矿体也是在同一时期、同一应力场作用下,在不同性质的构造裂隙的引张部位形成的.     

阿尔金山西南段花岗岩类的时空变化与构造作用——来自钾钠含量变化的证据

探讨阿尔金山花岗岩浆作用与构造作用的相互关系有助于全面认识其构造性质和演化特点。系统收集阿尔金山西南段花岗岩类岩石化学数据,统一采用Collins et al.(1982)提出的K2O-Na2O分类图解法,获得各个地史时期花岗岩类的成因类型。五台期均为I型,岩体规模较大,呈近东西向集中成片分布。吕梁期为A型,岩体规模较小,呈北西西向条带状分布于五台期岩体的东北边缘。四堡-晋宁期以S型为主,岩体规模大、分布广、呈北东东向展布。加里东期总体以A型为主,边界断裂带附近I型增多,岩体规模最大、范围最广,总体呈北东东向(北东向)展布。海西期以I型为主,规模小,断续分布于南缘断裂和西北缘断裂的西南端。燕山-喜马拉雅期以A型为主,规模最小,分布零星。五台期至晋宁期岩体主要分布于阿尔金山三条边界断裂所围限的隆起区内,并且在同一时期岩石成因类型具有相对一致性;加里东期隆起区内主体岩石类型与边界断裂带附近及其外侧存在明显差异;海西至喜马拉雅期仅分布于边界断裂带内或东南邻区。上述情况说明,自五台期至喜马拉雅期阿尔金山地区花岗岩类的成因类型、岩体发育规模、展布方向都呈现出有规律的反复交替变化的特点,这是花岗岩浆作用受构造发展演化的不同阶段和不同方向构造作用的交替变化控制的结果。     

进化-最小二乘支持向量机的边坡稳定性估计

针对最小二乘支持向量机的参数选择问题,用遗传算法来搜索最小二乘支持向量机的相关参数,避免了人工搜索参数的盲目性,提高了模型的推广性能。根据大量的实际边坡工程数据,建立了基于进化-最小二乘支持向量机的边坡稳定性模型,并将其应用于估计丁家河磷矿自然边坡稳定状况。计算结果与工程实际情况一致,表明了该方法的有效性和合理性。     

钨矿床的时空分布及研究现状

本文在查阅国内外钨矿资料的基础上,总结了钨矿床的时空分布、矿床类型、成因以及白钨矿在同位素测年方面的应用,阐述了钨矿床的成因研究现状及其发展趋势。     

四川省汶川县城区某斜坡危岩体破坏模式及治理

危岩体是西南地区威胁交通和居民区安全的重要隐患。特别是“5．12”地震造成了原危岩体的崩塌,同时又形成了大量新的危岩体。汶川县城区某斜坡危岩体可归纳为三种破坏模式：拉裂-滑移式、整体剪切错落式和弯折-拉裂-倾倒式。危岩体失稳后,落石将会以弹跳、滚动和滑动方式沿坡体下落。运用能量守恒定律和运动学规律来确定落石的动能、落距和弹跳高度,采取GPS2型主动防护网、RX-075型被动防护网及落石槽相结合的措施,确保213国道和居民区的安全。     

Estimation of unconfined aquifer parameters by genetic algorithms

Abstract

Unconfined aquifer parameters, viz. transmissivity, storage coefficient, specific yield and delay index from a pumping test are estimated using the genetic algorithm optimization (GA) technique. The parameter estimation problem is formulated as a least-squares optimization, in which the parameters are optimized by minimizing the deviations between the field-observed and the model-predicted time–drawdown data. Boulton's convolution integral for the determination of drawdown is coupled with the GA optimization technique. The bias induced by three different objective functions: (a) the sum of squares of absolute deviations between the observed and computed drawdown; (b) the sum of squares of normalized deviations with respect to the observed drawdown; and (c) the sum of squares of normalized deviations with respect to the computed drawdown, is statistically analysed. It is observed that, when the time–drawdown data contain no errors, the objective functions do not induce any bias in the parameter estimates and the true parameters are uniquely identified. However, in the presence of noise, these objective functions induce bias in the parameter estimates. For the case considered, defining the objective function as the sum of the squares of absolute deviations between the observed and simulated drawdowns resulted in the best possible estimates. A comparison of the GA technique with the curve-matching procedure and a conventional optimization technique, such as the sequential unconstrained minimization technique (SUMT), is made in estimating the aquifer parameters from a reported field pumping test in an unconfined aquifer. For the case considered, the GA technique performed better than the other two techniques in parameter estimation, with the sum-of-squares errors obtained from the GA about one fourth of those obtained by the curve matching procedure, and about half of those obtained by SUMT.

Citation Rajesh, M., Kashyap, D. & Hari Prasad, K. S. (2010) Estimation of unconfined aquifer parameters by genetic algorithms. Hydrol. Sci. J. 55(3), 403–413.     

三峡大坝下游粗细颗粒泥沙输移规律及成因

以三峡下游河段为研究对象,利用1987-2014年原型观测数据,分析粗细颗粒在时间和空间的输移过程,并以水文站作为划分单元探讨其成因.三峡水库蓄水后坝下游d≤0.125 mm(细颗粒)各粒径组沙量沿程递增,并小于蓄水前均值;d0.125 mm(粗颗粒)沙量在宜昌—监利河段得到补给,其下游为淤积趋势,其中2003-2007年至监利站恢复程度最大.在成因上:(1)宜昌—沙市河段,河床粗化限制了粗细颗粒泥沙补给,其中细颗粒补给受制于总水量,粗颗粒受制于大流量持续天数和量值;(2)沙市—监利河段,粗细颗粒补给均受制于总水量;(3)监利—螺山河段,洞庭湖入汇对细颗粒补给起决定作用,河床补给量中洪水年大于中枯水年,粗颗粒为淤积趋势,且中洪水年淤积量小于中枯水年;(4)螺山—汉口河段,细颗粒增加受河床补给决定,2008-2014年补给强度弱于2003-2007年,2010年前后粗颗粒泥沙由淤转冲,与大流量持续天数和量值增加有关;(5)汉口—九江河段,细颗粒泥沙淤积,粗颗粒因河床冲刷得到补给,大水年补给量高于枯水;(6)九江—大通河段,鄱阳湖入汇和河床补给对细颗粒增加的贡献比例为1∶2.82,河床冲刷对粗颗粒泥沙起补给作用,受大流量持续天数和量值影响.