山区谷底沉陷预测模型及其参数反演

我国西部地区地势复杂,沟壑纵横,地下开采极易导致边坡失稳,引发采动滑坡。在地下采动沉降与滑坡体挤压上升的叠加影响下,谷底区域地表沉降值明显小于类似地质采矿条件下的平原地区。为准确预测山区谷底区域地表沉降值,基于简支梁的弹性变形理论,并借助概率密度函数建立了山区谷底区域地表沉陷预计修正模型,明确模型参数物理意义及其取值方法。依据修正模型,以实测值和预测值之差平方和最小为原则构建适应值函数,基于模拟退火粒子群算法提出新的模型参数反演方法,借助MATLAB语言编制了相应的参数反演程序。最后将研究成果应用于山西某矿,得到谷底区域预测结果中误差为73 mm,与实测值基本一致,取得了较好的工程实践效果。     

改进的支持向量机方法在矿山地质环境质量评价中的应用

传统支持向量机（SVM）评价模型中网格搜索法对参数的选择受到主观因素的影响,选用粒子群算法对SVM模型进行优化,并应用改进的SVM模型（PSO-SVM）对长吉图经济区135个矿山进行地质环境质量评价。PSO-SVM模型的评价结果与综合评价结果的相同率（注：该相同率是指两个评价结果相同的个数占所有评价样本数的百分比）达到95.56%,与SVM模型评价结果的相同率达到91.11%。结合研究区实际情况并分析三种评价结果得出,PSO-SVM模型的评价结果更符合实际情况。改进的支持向量机方法能够避免人为因素影响,提高矿山地质环境评价水平,在评价中具有可行性和有效性。基于改进的支持向量机方法评价结果表明,研究区矿山地质环境受矿山开采等人为活动的影响,54.1%的矿山遭受严重破坏（III级）,25.9%为中度破坏（II级）。评价结果可为研究区矿山环境恢复治理提供决策支持。     

An improved ant colony optimization (I-ACO) method for the quasi travelling salesman problem (Quasi-TSP)

Traveling salesman problem (TSP) and its quasi problem (Quasi-TSP) are typical problems in path optimization, and ant colony optimization (ACO) algorithm is considered as an effective way to solve TSP. However, when the problems come to high dimensions, the classic algorithm works with low efficiency and accuracy, and usually cannot obtain an ideal solution. To overcome the shortcoming of the classic algorithm, this paper proposes an improved ant colony optimization (I-ACO) algorithm which combines swarm intelligence with local search to improve the efficiency and accuracy of the algorithm. Experiments are carried out to verify the availability and analyze the performance of I-ACO algorithm, which cites a Quasi-TSP based on a practical problem in a tourist area. The results illustrate the higher accuracy and efficiency of the I-ACO algorithm to solve Quasi-TSP, comparing with greedy algorithm, simulated annealing, classic ant colony algorithm and particle swarm optimization algorithm, and prove that the I-ACO algorithm is a positive effective way to tackle Quasi-TSP.     

基于粒子群优化的多目标体中梯电阻率异常反演

在采用中梯装置的电阻率剖面法应用中,特别是在环境、水文和工程等领域,经常遇到需要对多个异常目标体进行快速定位以便及时进行相应处理的情况.利用倾斜椭球体来近似模拟这些电阻率异常目标体,使得正演计算可以采用解析表达式来实现,提高正演计算的时效性.相应的地球物理模型也可简化为由椭球体个数、中心点位置、倾角、轴径以及电阻率等参数构成的粒子,多个粒子组成的粒子群在粒子群优化算法的控制下在给定的搜索空间中并行地搜索最优模型.通过对粒子群优化算法参数的合理设计,利用其良好的全局与局部均衡的搜索能力实现对多个异常目标体的同时反演.数值实验结果表明该反演方法能有效实现对多个目标体的同时反演,计算速度快、反演拟合精度较高、同时具有一定的抗噪音能力.快速的多目标体反演,可以实时准确的定量解译中梯剖面法圈定的异常目标体,较好地满足工程等领域的高时效性要求.     

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。     

团体粒子群与最大能量串行融合算法转换波静校正

估计转换波的静校正量是一个复杂的非线性问题,常规的线性静校正方法无法取得好的效果.粒子群算法是一种很好的非线性全局最优化方法,但其缺点是"早熟"现象严重.最大能量法是一种常规求取静校正量的方法,局部寻优能力强且收敛速度快是其优点,但是当地震记录含有大的静校正量时易收敛于局部极值.本文在标准粒子群算法的基础上发展出了一种改进的粒子群算法:团体粒子群算法.并且通过对Rastrigin函数的寻优实验证明了其全局寻优能力优于标准粒子群算法.同时为了解决转换波静校正问题串行融合了团体粒子群算法和最大能量法.最后,建立了含一个水平反射层的模型并合成地震记录,加入随机值作为检波点静校正量.对合成的地震数据分别利用团体粒子群和最大能量的串行融合算法、标准粒子群算法和最大能量法求取静校正量并进行静校正.结果证明串行融合算法得到的静校正量与理论值误差很小,静校正后的叠加剖面连续性较好.     

基于粒子群算法的高光谱影像端元提取技术

基于凸面几何学理论,由端元作为角点的单形体的体积应该是最大的.著名的N-FINDR和SGA算法正是基于以上理论,通过在数据云中寻找体积最大的单形体来实现端元的自动提取.本文利用粒子群优化(PS0)技术,基于凸面几何学理论,设计了一个新的端元提取算法.利用模拟和真实高光谱影像对其进行了实验,并将其结果与N-FINDR和S...     

粒子群神经网络混合模型在农用地分等中的应用

针对常规农用地分等模型因子权重计算存在人为干扰和神经网络模型自身优化过程中易陷入局部最优的情况,该文综合了BP神经网络非线性权重数据挖掘特性和粒子群的全局优化能力,建立了农用地分等计算的粒子群神经网络混合模型(PSO-BP网络模型),并应用于广东省揭西县农用地分等计算中,发现PSO-BP网络模型能避免定级因子权重确定的人为干扰,同时具有较高的优化效率,应用效果较好。     

云南地区地震序列分类的定量讨论

本文通过对云南地区１９６５提以来１１６次大小地震序列的清理和归纳，引入了地震序列分类的时空强定量尺度，提出；表明震源区进人失稳状态的前震序列主要发生在主震前１０天，前震序列的最大震级５．５级；震群型地震序列在时间、地点上的确定应与震级有关，在时间上以同在地震孕期内为宜，７、６、５级分别不超过１年、半年、３个月，在地点上以同在地震孕震区内为２，７、６、５级分别不超过１００、５０、３０公里，震级上以小子等于０．５级为宜；主余震地震序列和孤立型地震序列的最大震级差分别是２．９级和３．３级     

乔治王岛东北海域大磷虾虾群构成分析

1985年1月在乔治王岛东北约25海里(水深460米)海域,曾观测到范围较大的大磷虾群.在约4海里范围内用垂直探鱼仪记录了虾群的映象,进行了水平拖网.对6网样品的分析结果表明,虾群组成相当均一.体长频数分布样品间的百分比相似性指数平均为84.3%,性成熟度组成频数分布的相似性指数平均为75.6%,说明这些样品属同一虾群.磷虾平均体长为46.8毫米,成体虾占群体的96.5%,表明它们为一生殖群体.群体分布水层在20—50米深,厚度一般为20米,平均密度为1400尾/千立方米.