利用遗传优化LSSVR进行导航卫星钟差预报

为提高导航卫星钟差预报的精度,提出了一种最小二乘支持向量回归(LSSVR)和遗传算法(GA)相结合的导航卫星钟差预报方法。根据卫星钟差序列变化的非线性特征,选用高斯径向基函数(RBF)建立卫星钟差LSSVR预测模型。针对LSSVR模型的参数选择问题,引入GA对不同星座以及原子钟类型预测模型的参数进行搜索寻优。该方法能够在较大范围内自动确定优化参数,提高LSSVR的泛化性能。将所提出的方法用于GPS卫星钟差的短期预报,并与常规预报方法进行对比。结果表明,GA-LSSVR模型对不同星座以及原子钟类型钟差预报均表现出良好的稳健性,能够在一定程度上抑制钟差预报误差随时间延长不断增大的问题,整体预报精度优于常规方法。     

磁流变阻尼器在建筑结构中的优化布置

基于M atlab遗传算法工具箱来优化阻尼器位置,对遗传算法的各过程进行了详细的介绍,通过采用合适适值函数得到可直接用于优化的算法,并通过算例验证该方法是一种快速简单的方法,而且结构振动的控制效果良好。     

基于智能体的自适应入侵检测系统

提出了一种基于智能体技术的自适应入侵检测系统体系结构,将智能体技术和自适应模型生成技术应用于入侵检测系统中.智能体技术的应用解决了传统的集中式入侵检测系统的弊病,将任务处理和数据分布到网络各个结点上,通过各种智能体来协作完成入侵检测任务,充分利用网络和主机资源.而智能体与自适应模型生成技术相结合,采用遗传算法建立准确的数据模型,使得入侵检测系统能够自动配置和更新不同环境下的入侵检测模型,能够通过自我学习、自我改进来提高系统的入侵检测能力和适应能力.     

融合遗传算法和ICP的地面与车载激光点云配准

车载激光扫描可快速获取大场景点云,由于存在视场限制和遮挡,需地面激光点云作补充。车载与地面点云分别位于大地坐标和局部坐标系统,本文提出结合遗传算法（genetic algorithm,GA）和（iterative closed point,ICP）的自动点云配准方法以统一基准。ICP采用局部优化,效率较高,但依赖初始解;GA为全局优化方法,但效率低。融合策略为当GA配准趋于局部搜索时,采用ICP完成配准。GA配准以地面激光扫描仪内置GPS测量粗略位置限定优化搜索空间。为提高GA配准精度,提出了最大化归一化匹配分数之和（normalized sum of matching scores,NSMS）配准模型。实测数据试验验证了NSMS模型的有效性,GA配准均方根误差（root mean square error,RMSE）为1~5 cm;融合配准比GA配准效率高约50%。     

基于NSGA-Ⅱ遗传算法的黄土滑坡参数反分析与稳定性预测

甘肃省永靖县黑方台台塬周边区域由于黄河移民大规模农业灌溉诱发了众多黄土滑坡灾害,其稳定性分析与滑面预测可为防灾减灾提供重要支撑,显得尤为重要.黑方台黄土滑坡具有渐进后退式的失稳特征,已发生滑坡灾害与潜在滑坡灾害具有高度相似性,其反分析结果可为未来滑坡稳定性分析提供重要数据基础.选用有限差分强度折减法,通过设定3个目标优化函数（土体抗剪强度参数均值误差函数、滑面位置误差函数和稳定性系数误差函数）,基于NSGA-Ⅱ遗传算法开展稳定性反分析获取黄土的粘聚力和内摩擦角.以黑方台党川2#滑坡为例,通过第一次滑动时观测到的滑面信息,并假设其稳定性系数等于1,利用NSGA-Ⅱ算法反分析得出当滑坡发生时,天然黄土层粘聚力为28.20 kPa,内摩擦角为25.16°,饱和黄土层有效粘聚力为16.59 kPa,有效内摩擦角为16.11°.基于该反分析结果,对党川2#滑坡后续3次失稳的稳定性系数和临界滑面进行了预测,并与实际观察结果对比验证.研究结果表明,通过多目标约束优化算法开展滑坡稳定性反分析可获得更加合理的黄土强度参数估计,为黑方台地区滑坡稳定性分析和风险定量评估提供了新的解决思路.     

锆石辐射损伤测年方法研究进展与应用

锆石辐射损伤测年是一种新兴的低温热年代学方法（封闭温度为~230 ± 25 ℃）,其原理是依据拉曼半高宽（ν3）计算出锆石所累积的α通量,结合U、Th含量,得出锆石辐射损伤的累积时间,即锆石辐射损伤年龄。相较于其他低温年代学方法,锆石辐射损伤测年具有测试简便、高效、低成本、双（多）定年等优势,在地学研究中展现出广泛的应用前景,现已成功应用于示踪物源区和揭示岩体热事件等领域。然而,该方法尚存几个关键问题有待解决,例如,微区测试的空间不匹配性、封闭温度存有争议、较大的年龄偏差等,这无疑阻碍其在地球科学领域中更进一步的推广和应用。本文系统地介绍了锆石辐射损伤测年方法的起源、原理和测试方法,总结了相关应用的重要进展,阐述了锆石辐射损伤测年方法的尚存问题,并对该方法的发展趋势作以展望,以期为年代学的发展提供新的技术手段。     

基于差异序列信息熵的降雨分区研究

充分挖掘降雨变量语法信息,利用基于差异序列信息熵测度理论的遗传算法聚类分析方法,对淮河流域蚌埠站以上区域99个雨量站进行了分区研究。根据各子区域内雨量站降雨序列差异测度得到最优分区,从而使得降雨信息在区域内具有较大的同质性。最后,以插值精度为标准,将不分区的情况为参照对象,对2、4、8三种分区结果进行校验,结果显示,相对于不分区,分区明显提升了降雨插值的精度。     

岩石本构模型智能辨识方法研究

岩石本构模型是研究岩石力学特征和变形机制的基础,而本构模型或模型中相关参数的识别是本构模型研究中的热点和难点问题。本文基于红板岩室内力学实验数据,分别利用遗传算法、BP神经网络以及遗传规划对红板岩本构模型进行了模式识别,结果表明,遗传算法进行参数识别需要事先假定流变模型的形式,误差较大,而BP神经网络和遗传规划可以一次性同时确定流变模型的结构形式及参数,有效避免模型假定所带来的误差。而遗传规划与BP神经网络相比,具有精度高、收敛快,可视化程度高等特点,为岩石本构参数及模型的智能识别方法的选取提供参考。     

基于局部体样条函数的海洋盐度场建模

海洋盐度是海洋水文要素的重要组成部分,是海洋战场环境研究的重点。在介绍海水盐度数据特点的基础上,采用局部体样条函数法对散乱的大规模盐度场标量数据进行建模,并利用遗传算法和非线性规划相结合的方法解决体样条函数法的区域划分问题。通过一组实测数据进行建模实验并将得到的数据场进行可视化,表明该方法适用于大规模散乱数据场的建模,可为海洋战场环境的数据分析和场景构建提供建模手段。