南海北部似海底反射层速度结构全波形反演

似海底反射层的速度异常是识别天然气水合物的重要标志,这里提出了一种针对天然气水合物似海底反射层的全波形反演方法。这种方法分为全局搜索与局部搜索二部份:首先使用遗传算法进行旅行时,反演得到背景速度模型;然后用其作为初始模型,使用共轭梯度算法进行全波形反演。通过对含噪数据的数值试验,算法表现出了较高的稳定性,并确定了进行全波形反演的遗传算子。将这种波形反演方法应用于我国南海北部海域的天然气水合物研究,反演得到了分辨率高于常规速度分析的似海底反射层速度结构,并识别出似海底反射层的速度异常。利用纵波速度反演的结果,计算出沉积物中游离气的含量,认为BSR下方的低速层可以解释为含至少1%游离气的薄层。并分析了研究区内甲烷气的来源,认为该区域游离气兼有生物气和热解气。     

遗传算法在瑞雷面波勘探中的应用

在瑞雷面波勘探中,根据频散曲线反演地下介质模型的问题仍未完善解决。遗传算法(Genic Algorithm)作为一种全局性搜索方法,具有不依赖初始模型,不需要偏导数等优点。通过理论模型试验研究,发现遗传算法反演频散曲线的效果优于最小二乘法、广义逆算法,并结合工程实例探讨了遗传算法在瑞雷面波勘探中的实际应用效果。结果表明,遗传算法反演频散曲线的效果理想,具有一定的发展前景。     

土壤铅含量高光谱遥感反演中波段选择方法研究

利用高光谱遥感数据进行了南京郊外土壤重金属元素铅的含量反演,由于高光谱数据波段众多,波段选择或变换至关重要。比较了基于次贪婪的前向选择模型的最小角度拟合和基于遗传算法进行波段选择的最小二乘和偏最小二乘拟合,结果发现基于遗传算法的偏最小二乘反演结果优于全波段的偏最小二乘,表明波段选择在高光谱反演重金属中是有益的。尽管采取了波段选择后的各方法在反演时均能达到70%以上的训练精度,但因遗传算法搜索的解空间范围更宽广,使得基于遗传算法的偏最小二乘优于前向选择模型的最小角度拟合。最后还比较了基于遗传算法的普通最小二乘和偏最小二乘拟合,结果表明偏最小二乘更优,因此在高光谱反演重金属含量当中,偏最小二乘精度较高,而在波段选择方法中,遗传算法更优。     

基于遗传算法优化的小波神经网络在地下水位预测中的应用

地下水位是衡量生态环境优劣和地下水资源的一个重要指标.地下水位下降,将引发地面沉降、地面塌陷和降落漏斗等.因此,地下水位预测对保护地质生态环境和实现地下水资源严格管理至关重要.由于BP算法存在极易收敛于局部极小点与过拟合等缺点,导致网络泛化能力不足,本文在构建小波神经网络基础上并引入遗传算法加以优化,以解决上述不足,并与BP和WNN对比预测了天津市深层承压水水位.预测结果表明,GA-WNN模型拟合精度较高,模型的预测能力有较大幅度提高.     

基于空间自相关的东莞市主体功能区划分简

中国“十一五”规划纲要明确提出,根据资源环境承载能力、现有开发密度和发展潜力,统筹考虑未来中国人口分布、经济布局、国土利用和城镇化格局,将国土空间划分为优化开发、重点开发、限制开发和禁止开发四类主体功能区。至今已有不少学者开展主体功能区划分研究,但所用方法工作量大,或带有一定的主观性,且未考虑同类功能区集聚或分散程度。因此提出利用遗传算法改进传统聚类方法,自动划分主体功能区,在划分过程中考虑区域的全局空间自相关特性,使同类功能区在空间上呈集聚分布的格局。以近年来城市快速扩张的东莞市为例,验证了此方法的可行性,能简单有效地进行主体功能区划分。与常用的K-means聚类方法相比,新方法划分结果更符合实际情况,能进一步推广应用到其它地区的主体功能区划分。     

基于遗传算法的瞬变电磁法线圈阵列优化设计

为解决瞬变电磁检测技术遇到地底干扰物时在探测精度方面的不足,从载流直导线出发,利用磁场矢量叠加原理,计算单个正三角形空间磁场分布,设计了一种正三角形发射线圈阵列。为得到更好的磁聚焦特性,利用遗传算法对线圈阵列的具体参数进行优化。仿真结果表明:87.5%及以上的磁场能量集中在半径0.113m的特定区域内。说明该线圈阵列在较小目标区域实现了聚焦,具有良好的聚焦性,可以应用在瞬变电磁检测技术发射回线中。     

基于遗传小波神经网络的海底声学底质识别分类

分割海底声纳探测图像,提取单元特征向量进行主成份分析,选取均值、标准差、对比度、相关系数、能量及同质性作为训练特征向量,构建小波神经网络。利用遗传算法优化小波神经网络的初始权值及小波参数,对砂、礁石、泥3种底质类型分别进行训练,并得到3种底质的测试精度都在90%以上,优于单独利用小波神经网络进行训练时的测试精度,克服了小波神经网络训练时易陷入局部极小的固有缺陷,表明基于遗传算法的小波神经网络可有效用于海底底质声纳图像的识别和分类。     

基于GA参数辨识的直流伺服电机PID调节器的设计

针对数控火焰切割机自动调高系统的特点和要求,采用遗传算法对其位置调节器PID参数进行全局优化辨识,有效地解决了直流伺服电机的控制精度和快速性的问题.仿真结果表明,与传统的参数辨识法相比,遗传算法参数寻优使自动调高系统的动态性能大幅提高,具有很强的鲁棒性.     

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。