相遇蚁群算法在边坡非圆弧临界滑动面搜索中的应用研究

边坡非圆弧临界滑动面搜索是边坡稳定计算中的一个关键问题,其实质为安全系数最小的滑动路径搜索问题,采用效果良好的路径搜索算法--蚁群算法是目前研究的热点。为了克服传统蚁群算法效率低、效果差的缺点,基于蚂蚁正反向搜索相遇形成完整路径的原理,提出了一种相遇蚁群算法。将该算法用于边坡非圆弧滑动面搜索问题,提出了一种非圆弧临界滑动面搜索的新方法。通过2个边坡的算例计算及一个水库岸坡的工程应用,验证了新算法的有效性。计算结果表明,相遇蚁群算法无论是整个搜索范围还是从某一点起的搜索范围都要比一般蚁群算法大,所以相遇蚁群算法在搜索边坡临界滑动面时所得到解的多样性也要比一般蚁群算法好,因此,相遇蚁群算法的搜索范围能以较大的概率包含全局最优解,算法最终也能以较大概率搜索到全局最优解。最终,相遇蚁群算法可以在更大的范围内以更快的速度找到边坡的临界滑动面。     

基于逐减随机震源采样法的频率域二维黏滞声波方程全波形反演

全波形反演方法利用叠前地震波场的运动学和动力学信息重建地下速度结构,具有揭示复杂地质背景下构造与岩性细节信息的潜力。然而,巨大的计算量是阻碍其发展的一个瓶颈问题。为此,研究者们提出了震源编码技术来减少计算量,但是此方法在模型更新过程中会引进随机串扰噪声,降低反演结果准确性。所以,在保证计算精度的情况下,本文提出了采用逐减随机震源采样的方法来高效计算全波形反演问题。笔者将此方法应用于频率域二维黏滞声波波动方程全波形反演,开始了在频率域进行随机震源采样类方法的研究,计算过程中共使用了依次增大的8个频率段;并应用Overthrust模型来验证此类随机震源采样法的正确性。实验结果表明：基于逐减随机震源采样法的反演结果与实际Overthrust模型的拟合误差为0.065 65,而应用基于全部震源的全波形反演方法得到的反演结果与实际Overthrust模型的拟合误差为0.064 64,两者差别不大;但计算用时由740 min减少到291.2 min,即计算效率提高了2.54倍。为了更好地确定方法的有效性,将其应用于Marmousi模型进行试算。模型试算结果表明：基于逐减随机震源和基于全部震源得到的反演结果与实际Marmousi模型的拟合误差分别为0.080 12和0.078 97,相差不大;但计算用时由1 218.9 min减少到274.4 min,计算效率提高了4.44倍。综上,在保证反演精度的情况下,基于逐减随机震源采样法的频率域全波形反演方法大大减少了计算量,具有不可替代的计算优势,并且没有引进随机串扰噪声。     

基于OFA-PP模型的区域最严格水资源管理类型识别与评价

为科学识别云南省16个州市最严格水资源管理区域类型,提出最优觅食算法(OFA)-投影寻踪(PP)识别模型。从最严格水资源管理用水总量控制红线、用水效率控制红线、纳污控制红线3个方面分别构建指标体系和分级标准,利用2015年云南省各州市指标数据及分级标准阈值分别构建基于"三条红线"的投影指标函数,采用OFA分别搜索最优投影向量,并计算各州市综合投影值和各分级标准阈值投影值,利用分级标准阈值投影值对各区域最严格水资源管理类型进行识别。结果表明,OFA-PP识别模型具有较好的识别效果,识别结果可为云南省实行最严格水资源管理制度提供参考。     

基于改进K-SVD字典学习方法的地震数据去噪

为实现更好的地震数据去噪技术,笔者引入一种新的算法:快速迭代收缩阀值法(FISTA),通过FISTA和K-奇异值分解(K-SVD)不断迭代更新K-SVD字典,利用更新得到的K-SVD字典对地震数据进行稀疏表示,去除稀疏系数中较小的数值,使数据中的随机噪声得到压制。对层状模型合成地震记录,Marmousi模型合成地震记录以及实际地震数据进行对比实验,得出FISTA算法较OMP算法能更好地提高地震数据的信噪比,同时有效地保护了反射信号。     

Assessing model of highway slope stability based on optimized SVM

Considering the geological hazards attributed to the highway slope, using a common simple model cannot accurately assess the stability of the slope. First, principal component analysis (PCA) was conducted to extract the principal components of six factors (namely, bulk density, cohesion, internal friction angle, slope angle, slope height, and pore water pressure ratio) affecting the slope stability. Second, four principal components were adopted as input variables of the support vector machine (SVM) model optimized by genetic algorithm (GA). The output variable was slope stability. Lastly, the assessing model of highway slope stability based on PCA-GA-SVM is established. The maximal absolute error of the model is 0.0921 and the maximal relative error is 9.21% by comparing the assessment value and the practical value of the test sample. The above studies are conducive to enrich the assessing model of highway slope stability and provide some reference for highway slope engineering treatment.     

一种大坝渗透系数分区反演新方法研究

基于人工神经网络的非线性映射特征,在渗流有限元计算的基础上,结合水头和渗流量等实测资料提出了大坝渗透系数的反演方法。为了克服经典神经网络存在的缺陷,提出了模拟退火的交替迭代算法神经网络新方法。在相同的初始条件下,用该新方法和经典网络进行了比较,得出前者的优越性和有效性。同时将该方法用于大坝的渗流反分析,利用反演出的渗透系数进行渗流场计算。数值计算结果表明,这种方法对大坝渗透系数反演问题具有较高的识别精度,反演结果可靠,可以用于实际工程。     

基于改进型前馈神经网络的流域产流预报模型的研究

在分析流域产流机制、影响因素和现行产流计算方法的基础上,首次取前期影响雨量、主产流历时、全过程面平均雨量和４个代表雨强计７个因子作为神经网络输入,直接以流域产流深作为神经网络输出,并针对传统ＢＰ算法的固有缺陷,采用混合ＧＮ－ＢＦＧＳ算法训练网络。实例验证了所建模型及算法的有效性和可行性。还对神经网络隐层单位数等进行了初步研究。     

邻近算法在一维大地电磁反演中的应用

总结了大地电磁法( MT)中常用的各种反演算法,并指出其局限性。对邻近算法( NA)加以概述,并将其引入MT反演中。对一维MT合成数据进行反演分析,得到的最大似然模型十分接近理论模型。虽然NA与遗传算法( GA)抗陷入局部极小值的能力大体相等,但NA算法生成的采样点分布密度与误差函数大体一致,因此NA更有利于应用基于积分的参数估值方法。本研究表明,NA收敛速度比GA更快。这说明在一维MT反演中,NA算法比GA算法更具优势。     

基于粒子群算法的岩体结构面产状模糊C均值聚类分析

结构面产状分析是进行岩体力学分析及稳定性评价的基础,玫瑰花图、等密度图等传统的图形分析方法较为粗糙,无法对产状数据进行准确分析,采用模糊聚类方法则可以得到较为准确的优势产状,但需要事先指定分组数及初始聚心,且模糊聚类算法为局部寻优算法,初始划分对最终的数据分析结果影响较大。为了得到较为客观的分组结果及优势产状,同时能够针对大量结构面产状数据进行聚类分析,提出了基于粒子群算法的岩体结构面产状模糊C均值聚类算法。采用粒子群算法进行模糊C均值聚类算法初始聚心的求解,在计算过程中可同时确定最佳分组数,避免了人为指定的主观性,克服了模糊C均值聚类算法易陷入局部极小值和对初始划分敏感的不足。最后,通过工程实例中不同方法的聚类效果对比分析该算法的有效性,并将该方法应用于实测结构面产状数据的分析,得到较为符合实际的优势结构面分组。     

Numerical simulation of a stratigraphic model

A multi-lithology diffusive stratigraphic model is considered, which simulates at large scales in space and time the infill of sedimentary basins governed by the interaction between tectonics displacements, eustatic variations, sediment supply, and sediment transport laws. The model accounts for the mass conservation of each sediment lithology resulting in a mixed parabolic, hyperbolic system of partial differential equations (PDEs) for the lithology concentrations and the sediment thickness. It also takes into account a limit on the rock alteration velocity modeled as a unilaterality constraint. To obtain a robust, fast, and accurate simulation, fully and semi-implicit finite volume discre tization schemes are derived for which the existence of stable solutions is proved. Then, the set of nonlinear equations is solved using a Newton algorithm adapted to the unilaterality constraint, and preconditioning strategies are defined for the solution of the linear system at each Newton iteration. They are based on an algebraic approximate decoupling of the sediment thickness and the concentration variables as well as on a proper preconditioning of each variable. These algorithms are studied and compared in terms of robustness, scalability, and efficiency on two real basin test cases.