基于改进BP神经网络的海底底质分类

通过采用遗传算法优化神经网络初始权值的方法,将GA算法与BP神经网络有机结合,应用于海底底质分类。基于多波束测深系统获取的反向散射强度数据,应用改进的BP神经网络分类方法,实现对海底基岩、砾石、砂、细砂和泥等底质类型的快速、准确识别。通过实验比较,GA-BP神经网络分类精度明显高于BP神经网络,证明了该方法的有效性和可靠性。     

GA-BP网络模型在GPS似大地水准面精化中的应用

针对误差反向传播（BP）算法训练速度慢和易于陷入局部最小值的缺点,提出了利用遗传算法（GA）的全局寻优性,结合GA和BP的各自优点,分析和建立了进化神经网络（GA-BP）模型,并将该模型应用于似大地水准面模型精化。最后以南方某市E级GPS控制网高程数据为例,进行BP和GA-BP模型的对比实验,通过对内、外符合精度及MAPE（平均绝对误差百分比）指标分析,验证了该方法的可行性。     

利用遗传算法反演实时近海面气温和比湿

使用Advanced Microwave Scanning Radiometer for EOS(AMSR-E)的海洋产品数据海表温度、风速,大气水蒸气、云液态水,通过遗传算法建立其与近海面气温和比湿之间的经验关系,进行近海面气温和比湿的实时反演.反演结果与The Tropical Ocean-Atmosphere(TAO)和The National Data Buoy Center(NDBC)的浮标实测资料进行比较,实时近海面气温和比湿的均方根误差分别为1.18℃和1.36 g/kg.分析结果表明,利用遗传算法采用AMSR-E海洋产品数据可以较好地反演近海面气温和比湿.     

基于遗传算法的浮式防波结构物形状最优化设计

采用遗传算法作为优化手段,以透射系数为目标函数,对给定横剖面面积的浮式防波结构物在规则波中的消波性能及剖面形状进行了最优化计算研究,探讨了透射系数最小的剖面形状与波浪周期之间的关系,为浮式防波结构物的设计提供了一定的理论依据     

人口统计数据空间化的一种方法

人口空间分布信息在环境健康风险诊断、自然灾害损失评估和现场抽样调查比较等地理学和相关学科研究中占有重要的地位。目前随着对地观测技术和地理信息科学的飞速发展, 如何精确地进行人口数据空间化成为了研究的难点和热点。针对采用传统方法解决人口空间化问题所遇到的困难和不足, 设计了遗传规划(genetic programming, GP)、遗传算法(genetic algorithms, GA) 和GIS 相结合的方法, 以GIS 确定量化影响因子权重, 以GP 建立模型结构, 以GA 优化模型参数, 成功建立研究区-山西省和顺县的人口数据格网分布表面。实验证明与传统建模方法(如逐步回归分析模型和重力模型)相比, 所提方法建模过程更为智能化与自动化, 模型结构更为灵活多样, 而且数据拟合精度更高。     

结合遗传算法的LVQ神经网络在声学底质分类中的应用

学习向量量化（Learning Vector Quantization,LVQ）神经网络在声学底质分类中具有广泛应用. 常用的LVQ神经网络存在神经元未被充分利用以及算法对初值敏感的问题,影响底质分类精度. 本文提出采用遗传算法（Genetic Algorithms,GA）优化神经网络的初始值,将GA与LVQ神经网络结合起来,迅速得到最佳的神经网络初始权值向量,实现对海底基岩、砾石、砂、细砂以及泥等底质类型的快速、准确识别. 将其应用于青岛胶州湾海区底质分类识别研究中,通过与标准的LVQ神经网络的分类结果进行比较表明,该方法在分类速度以及精度上都有了较大提高.     

基于分区间泛化Kriging近似模型的船舶局部结构形状优化

为提高Kriging近似模型在船舶结构性能多维度响应预测方面的适用性,对常规Kriging近似模型进行分区间泛化改进:一是对设计样本点的各个维度(分量)进行划区,并在每一个分区间内采用最优拉丁超立方(OLhd)取样;二是引入比例系数w1组合高斯与指数型相关函数提高模型对数据的泛化能力,从而在每个划分的区间内建立泛化的Kriging近似模型。通过SCH测试函数,验证了构造的分区间泛化Kriging模型有效性。结合参数化建模和改进Kriging近似模型对某过渡肘板和舱口角隅边界进行形状优化,优化第一阶段由改进的近似模型通过多岛遗传算法得到全局初步的最优解,第二阶段在初步解的基础上缩小优化变量范围,由少量的FEM计算即可在小范围内搜寻到精确的最优设计变量。结果表明:分区间泛化Kriging近似模型在预测多维度响应时较常规Kriging模型预测精度更高;分阶段的形状优化流程在保证极小误差和缩小计算成本的情况下能够得到理想的应力分布和重量优化结果,有助于船舶结构的轻量化研究。     

用钻孔应变观测研究北京地区活断层的现今活动

研究断层活动性的主要目的之一是了解地震危险性,与地震危险性最直接相关的是现今的断层活动情况.如果对当地断层分布和性质有比较清楚的了解,那么就可以根据位错理论用钻孔应变仪观测资料反演断层活动.用遗传算法进行这种反演可以在进行全局搜索的同时大大提高计算效率.北京地区的活断层研究程度比较高,同时有比较密集的钻孔应变观测台站.利用2003-2005年钻孔应变观测资料对北京地区活断层活动的初步尝试性反演表明,在此期间顺义-良乡断层北段和南口-孙河断层东南段的活动可能起主导作用,活动程度与小震活动有关系.     

兼顾公平和效率的养老机构空间配置优化研究——以上海市闵行区为例

为优化养老机构配置,构建了兼顾公平和效率的养老机构空间配置优化模型。以上海市闵行区为例,采用改进遗传算法与GIS技术,分析现有养老机构在空间分布和规模上的合理性。在对老年人口数量预测的基础上优化养老机构配置,提出优化方案,并探讨方案的合理性和模型求解算法的优越性。结果表明：研究区现有养老机构缺口大,部分机构偏离最佳区位。有3所养老机构在现有区位运行欠合理,部分养老机构需适当调整规模,需增设13所养老机构。优化后的养老机构配置方案公平性提高59.71%,居民出行效率提高47.30%,投资者经济效率提高7.25%。在优化过程中,改进遗传算法的求解精度和求解效率优于传统的粒子群算法、模拟退火算法和一般遗传算法。     

遗传算法及其在GOMS模型反演中的应用效果分析

几何光学交互遮蔽模型（GOMS）是一种重要的遥感前向模型,它较好解释了“热点”现象,具有较强的前向模拟能力。但由于其固有的非线性性,给反演带来困难。本文尝试采用近年来兴起的并行随机全局寻优算法－遗传算法对GOMS进行反演,并针对传统遗传算法的不足进行了改进。在使用相同先验知识的条件下,将该算法与目前最有效的约束非线性最优化确定性搜索算法－逐步二次规划法对GOMS模型的反演效果进行了比较,结果表明,逐步二次规划法搜索效率较高,但结果受初值的影响很大,初值选择不当,易收敛于局部最优解,而遗传算法具有全局最优的收敛效果,但局部搜索效率较差。在某些对精度要求不高,而对搜索效率要求较高的场合,可以采用遗传算法与确定性搜索算法相结合的混合遗传算法,以提高算法的搜索效率,获得较为满意的效果。