基于遗传–组合核函数高斯过程回归算法的边坡非线性变形时序分析智能模型

 与支持向量机相比,高斯过程有着容易实现、灵活的非参数推断及预测输出具有概率意义等优点。将高斯过程回归引入边坡非线性变形时序分析,采用单一核函数之和作为高斯过程回归的组合核函数以提高其泛化性能。目前通常采用共轭梯度法求取训练样本对数似然函数的极大值以自适应地获得最优超参数,但共轭梯度法存在优化效果初值依赖性强、迭代次数难以确定、易陷入局部最优解的缺陷。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传–组合核函数高斯过程回归算法,并编制了相应的计算程序。卧龙寺新滑坡变形时序分析结果表明,与遗传–单一核函数高斯过程回归算法和遗传–支持向量回归算法相比,所提出的遗传–组合核函数高斯过程回归算法显著提高预测精度,可以应用于边坡变形的时序分析,并为类似工程提供借鉴。     

基于非线性优化理论的混凝土材料配合比研究

建立了高强混凝土的强度预测的非线性优化模型。并将该模型计算结果与实测混凝土28 d抗压强度进行比较。改用十进制遗传算法在训练过程中搜索最优超参数,形成遗传-组合核函数高斯过程回归算法,并编制了相应的计算程序,研究结果表明:与单一核函数高斯过程回归算法和支持向量回归(SVR)算法相比,提出的遗传-组合核函数高斯过程回归算法显著提高了预测精度,预测结果与实测结果吻合较好,具有较高的预测精度,为高强混凝土的强度预测提供了一条新途径。     

基于高斯过程回归-差异进化法的富水区隧道围岩流固耦合智能反馈分析

为实现富水区隧道建设的参数反馈优化,基于机器学习和智能优化算法建立了流固耦合条件下的隧道参数反分析方法。首先,建立工程数值计算模型,采用流固耦合模型进行求解;以正交设计分析的形式获得不同岩体参数组合条件下的围岩位移及孔隙水压分布情况,建立机器学习所需的学习样本,其中输入组为各岩体参数集,输出组为围岩位移及孔隙水压;其次,采用高斯回归过程获取学习样本所蕴含的非线性映射关系,并通过差异进化算法优化这个过程所涉及的关键参数集;然后,根据所建立的回归模型,根据目标区域的实测位移及孔隙水压,再次采用差异进化算法对岩体参数进行寻优计算,获得参数反分析结果。最后,将反演值与实测值进行对比,验证反分析得到的围岩参数的可靠性。     

基于粒子群优化-高斯过程回归的智能岩土体参数快速反演方法

针对盾构隧道结构设计中勘察报告提供各土层c、φ值不准确或缺失,岩土勘察结论不明确等问题,提出了一种粒子群优化(PSO)与高斯过程回归(GPR)机器学习方法的协同优化算法(PSO-GPR)方法。该方法采用GPR模型来建立自变量与计算函数值之间的映射关系,并作为函数计算工具替代岩土力学计算中的高耗时的问题,实现PSO寻优加速。通过对南京地铁轨道交通1号线(七桥翁站到小天堂站区间)下穿宁铜铁路工程实例验证了反演方法的可行性,研究结果表明,对比基本PSO算法,该方法显著的减少了参数反演过程中的有限差分计算次数,计算效率明显较高,其对于复杂的岩土体参数反演问题具有良好的应用能力。     

大连地铁隧道监测数据分析及参数智能反演

差异进化算法(Differential Evolution)是一种新型的智能优化算法,对初始值无要求,收敛速度快,对非线性函数适应性强,具有并行运算特性,尤其适应于多变量复杂问题的寻优,将该算法与有限元理论相结合编制智能位移反分析程序。针对大连地铁隧道实际工程,对地表沉降、拱顶沉降和收敛位移进行监控量测,并对数据进行拟合和回归分析;利用智能位移反分析程序和监测数据完成参数反演,以解决围岩力学参数不准确的瓶颈,反演的参数与实际勘测的十分接近;根据反演参数进行有限元数值模拟的正分析,将数值模拟的结果与实际监测数据进行对比分析,对施工过程中围岩是否安全稳定具有重要的理论意义和实用价值。     

用微进化算法反演岩石蠕变模型非定常参数

岩石蠕变模型的参数较多,为得到参数的全局最优解,应用微进化算法(Microevolution Algorithm,MA)对岩石蠕变模型非定常参数进行了反演分析。算法以实测蠕变值与理论计算值之间的最小二乘误差为优化准则函数,直接反演计算蠕变模型参数。计算结果表明,微进化算法可最大限度地利用所有试验数据,避免传统优化算法初始参数选取的困难,且算法简单有效,计算精度高于混沌粒子群优化算法。该方法也可推广应用于其它蠕变模型的参数反演,具有较高的工程应用价值。     

基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识

将支持向量回归（SVR）算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题，这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的GA-SVR算法，用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果，将遗传算法与BP神经网络相结合，形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。     

岩土工程反分析的计算智能研究

 传统岩土工程学科的研究方法及思路限制了岩土工程反分析技术,乃至整个学科的发展,因此,从研究思维变革的根本上着手,把现代智能科学中的新发展分支—计算智能引入岩土工程反分析,可望使其产生一个飞跃性突破,以至带动整个岩土工程学科的发展。基于此思路,本文把计算智能方法引入反分析领域(本文反分析指位移反分析),全面而系统地进行了反分析的计算智能研究。 岩土物性参数反演可分为正反分析(优化反分析)及逆反分析两种。针对正反分析目标函数的复杂性,把进化计算引入正反分析研究,提出了进货反分析方法。基于前人的研究及对算法机理的分析,提出了一种快速收敛遗传算法反分析方法。首次结合进化规划、人工免疫系统原理及有限元计算提出了一种新的免疫进化规划反分析方法,标准算例证明它是一种相当理想的正反分析方法。从系统逆辨识的全新角度观察反分析研究,提出了基于神经网络的逆反分析思路。并提出了一种结构及权值同时进化的新型进化神经网络模型,并由它进行了进化神经网络逆反分析研究。 为了进行模型辨识,基于岩土本构模型的统一表达式,提出了一种新的岩土本构模型类内辨识的进化方法。基于分子生物学及现代进化论观点,创造性地提出了一种既模拟生物种间竞争又模拟生物种内竞争的生态竞争进化模型。基于此,提出了一种岩土本构模型类间识别并同时反演其物性参数的新算法。 根据位移时序分解原理,以灰色系统拟合位移序列的趋势,以本文提出的网络结构及算法参数同时进化的进化神经网络逼近序列的趋势偏离量,首次提出了基于灰色系统—进化神经网络的位移时序混合智能建模新方法。并通过两个工程实例验证了该混合智能方法的良好位移建模及预测能力。 最后,采用天生桥一级电站工程、某抽水蓄能电站工程及三峡永久船闸中隔墩岩体三个工程实例进行了免疫进化规划参数反分析、生态竞争模型岩体本构识别及灰色系统—进化神经网络位移序列建模预测研究,从工程实例角度验证了前述反分析方法的可行性。 计算智能在岩土工程中的应用研究是一个新兴的领域,本文仅进行了一定程度的计算智能反分析研究,但也未能穷尽。因此,本文研究只能起到抛砖引玉的作用,期望对此方面研究有兴趣的广大研究者共同努力,促进此项研究的发展。     

基于差异进化算法反演参数的隧道稳定性分析

在隧道和地下工程弹性问题的位移反分析中,当基本未知数多于三个时,在各参数可能的变化范围内找到一组使误差最小的最佳参数的优化反分析方法是当前岩土工程反分析研究的热点问题。论文结合一种新型的优化算法(差异进化算法),依托摩天岭1＃斜井隧道工程施工,跟踪施工进行了典型断面围岩位移监测,以现场量测位移作为基础信息求得了斜井隧道全局最优值的最佳力学参数组合。根据以上采用差异进化算法求得的反演参数,对摩天岭1#斜井隧道单层衬砌支护稳定性进行了三维数值模拟分析,分析表明,摩天岭1#斜井隧道III级围岩段喷15 cm厚钢纤维混凝土支护后,斜井隧道围岩最小应力明显降低,围岩位移明显减小,因此建议摩天岭1#斜井洞身段III级采用15 cm厚度的钢纤维喷射混凝土单层衬砌。以上研究直接指导了摩天岭隧道单层衬砌设计和施工。     

岩土工程参数反演的一种新方法

介绍了新近提出的一种模拟进化算法——粒子群算法,相对于其他进化算法,粒子群算法的优势在于简单、易实现且收敛快。把该算法引入岩土工程参数反演领域,同时为了克服粒子群算法后期搜索效率降低的缺陷,把单纯形法嵌入到粒子群算法中,提出岩土工程参数反演的一种新方法——基于粒子群算法和单纯形法的混合算法。算例表明,混合算法在参数反演计算中体现出良好的优化性能和很快的收敛速度,是一种新颖可行的参数反演方法。     

Underground structure defect detection and reconstruction using crosshole GPR and Bayesian waveform inversion

Crosshole ground-penetrating radar (GPR) is a widely used measurement technique to help inspect the structural integrity of man-made underground structures, yet the resulting waveform and travel-time data can be difficult, complex and challenging to interpret. Here, we introduce the elements of a Bayesian inversion method for analyzing crosshole GPR data to guide detection of defects (weakness zones) in underground concrete structures. This framework uses as main building blocks the two-dimensional finite-difference time-domain (FDTD) simulator, the discrete cosine transform (DCT) method, and the DREAM_(ZS) algorithm to reconstruct the relative permittivity field of an underground concrete structure from full-waveform GPR inversion. The FDTD simulator solves numerically Maxwell's equations in the time and space domain of the crosshole GPR experiment and simulates iteratively the electromagnetic (EM) waveforms. The DCT algorithm transforms the Cartesian parameterization to the frequency domain and reduces drastically the dimensionality of the parameter space by retaining only the low-frequency DCT-coefficients. Markov chain Monte Carlo (MCMC) simulation with the DREAM_(ZS) algorithm is used to estimate the posterior distribution of the DCT-coefficients. The usefulness and applicability of the FDTD-DCT-DREAM_(ZS) framework is demonstrated on a synthetic test example involving a unit square concrete structure with a small defect. Our results demonstrate that the proposed method successfully detects and locates defects in concrete structures. The inversion results appear rather insensitive to the noise level of the measured GPR waveforms, and the amount of data used (number of receiving antenna positions), as long as a sufficient number of measurements is available. The more DCT-coefficients that are used to characterize the concrete structure, the more accurate the results, yet the larger the posterior uncertainty of the reconstructed permittivity fields.     

三维电阻率空间结构约束反演成像方法

 反演的多解性是三维电阻率探测的固有问题,极易造成地质解释的误差甚至错误。针对该问题,提出利用其他勘探地球物理方法(如地震反射方法、地质雷达方法等)获得的异常体的空间结构和形态信息作为电阻率反演先验约束的学术思路。首先,提出空间结构约束这一新约束的构制方法,将已知异常区域(由其他勘探地球物理方法得到)映射到三维反演模型中,使得对应区域的各网格之间的电阻率差异极小,建立一种表达简单、易于实现的空间结构约束矩阵,可表征常见典型构造,特别是形态或结构较复杂的地质构造。在此基础上,构造携带空间结构约束的三维电阻率探测反演目标函数及其反演成像方程,形成三维电阻率探测空间约束反演成像方法。然后,基于上述反演方法,开展数值试验和工程应用,将地质雷达和地质分析获得的空间结构约束施加到三维电阻率反演中,发现利用三维电阻率空间结构约束反演方法大大增加了异常区域的先验信息,可有效去除反演成像中的假异常和多余构造,对异常体的定位精度和界面分辨效果较传统的电阻率反演方法有了很大的提高,使得反演结果与地质原型较为一致,显著压制了电阻率探测反演的多解性问题,证明三维电阻率探测空间结构约束反演成像方法是抑制多解性、改善定位精度和界面分辨效果的可行途径。     

微震源定位的两步反演方法研究

 微震源定位是微震监测技术的核心。微震源定位问题中的已知参数几乎都存在误差,现有微震源定位算法通常通过最小化所有检波器的到时(差)值函数,但得到的定位结果往往会偏离震源实际位置。针对现有微震源定位算法的不足,提出一种由两步反演构成的微震源定位新方法;在新方法中,一次反演识别异常检波器,二次反演实现震源空间坐标的精确搜索。基于均匀速度假设,分别建立3参数、4参数和5参数的反演模型。应用多目标遗传算法(Non-dominated Sorting Genetic Algorithm–II,简称NSGA–II)实现一次反演,为实现震源的精确搜索和减少计算时间,二次反演建议采用单目标优化算法实现。将提出的方法用于某矿井工程震源定位实例中,计算结果表明：提出方法能够有效的识别异常检波器,定位结果也较未剔除异常检波器时有了大幅度提升,且相对而言,4参数反演模型的定位结果优于5参数模型。该文方法可作为微震源定位的一种参考。     

频谱反演法在探地雷达隧道衬砌检测中的应用研究

隧道衬砌模型的空间结构属于典型的层状分布,采用探地雷达进行隧道二衬检测时,往往很难识别高度小于调谐厚度的脱空。通过建立含有脱空薄层的隧道二衬层状几何模型,结合电磁波在隧道衬砌中的传播规律,给出了隧道衬砌检测时电磁波的反射模型,并推导了其广义反射系数谱域表达式,从而提出一种根据反射系数序列频谱估算隧道二衬厚度及脱空高度的反演方法。通过分析反射系数序列的幅度谱属性,进一步提出一种估计脱空层高度的快速方法,即根据幅度谱凹陷周期确定脱空层双程走时,进而估算脱空层高度。最后,利用1st Opt数学优化分析软件进行全局优化,并反演求解各参数。物理模型实验及现场应用实例的处理结果表明,当脱空厚度小于1/4波长时,本文所述的频谱反演法仍能准确反演出二衬厚度及脱空层高度,从而提高了探地雷达资料的垂直分辨率。     

上海冻结粉质黏土介电常数的实测及规律分析(0.1～1GHz)

利用地质雷达对冻结工程进行无损检测中,冻土中电磁波速的确定是影响冻结壁探测精度至关重要的参数,而电磁波速主要由介质的介电常数所决定的。为此,本文采用矢量网络分析仪,实测不同含水量条件下-30℃～25℃上海长江隧道联络道灰色粉质黏土在0.1～1GHz频率段的介电常数,并建立上海灰色粉质黏土介电常数的频散经验公式。研究表明,冻结前后上海灰色粉质黏土的介电常数有显著变化;温度变化对冻结状态介电常数影响较大,对融化状态下的介电常数影响不大。为今后地质雷达用于上海地区冻结工程的探测提供重要的依据,对冻土温度场的定量反演也有重要价值。     

龙滩水电站左岸高边坡泥板岩体蠕变参数的智能反演

在综合分析龙滩左岸边坡泥板岩样室内蠕变试验资料和现场工程区域岩体风化程度、岩性和节理分布等特性的基础上,建立了龙滩左岸边坡泥板岩体的蠕变本构模型;采用均匀设计方法和三维显式有限差分法对72#试验洞三维地质概化模型进行了开挖模拟和蠕变计算;以72#试验洞的变形监测资料为目标,采用遗传–神经网络方法对泥板岩体的蠕变参数进行了智能反演分析,获取了岩体的蠕变参数。利用其进行正演计算,结果表明未用于反演的监测断面的实测位移值与相应断面的计算值在量值上相当,变形趋势上也基本相同。这表明所确定的龙滩水电站左岸高边坡泥板岩体蠕变本构与参数基本合理,同时说明进化神经网络演化有限差分方法在由小尺度岩石室内蠕变试验参数过渡到现场大尺度岩体蠕变参数的过程中起到了重要的桥梁作用。     

Concrete bridge inspection with a mobile GPR system

A detailed knowledge of the present condition of bridges is essential for the planning of maintenance and rehabilitation. Mobile ground penetrating radar (GPR) systems are efficient tools for obtaining information such as depth of rebar, asphalt pavement thickness and concrete damage beneath the pavement. Non-destructive testing, quasi-continuous results and efficient data acquisition are the main advantages of mobile GPR systems. In this paper, benefits and limitations of mobile GPR systems are discussed using examples from EMPA's recent work. The emphasis is on the investigation of pavement thicknesses and depths of rebar on concrete bridges.     

基于小波变换的雷达低信噪比信号处理技术及应用研究

在分析小波和小波变换特点及小波变换的降噪原理的基础上,基于小波时频局部化优异特性,利用小波分解和软阈值处理方法对实际探地雷达信号进行了降噪处理。通过小波变换信号处理的仿真计算,比较了单道雷达信号去噪处理前后的效果。同时,将小波变换的雷达信号处理剖面和原始剖面进行比较,结果显示经过小波变换的雷达剖面分辨率明显改善。理论计算和实际剖面对比,均表明小波变换较传统方法在处理低信噪比的瞬变信号时具有优势。最后将该法用于锦屏二级水电站交通辅助隧洞的探地雷达超前预报中,发现处理剖面和地质编录的情况基本能够吻合,即小波变换处理剖面有助于在隧道超前预报的正确判释。     

Intelligent monitoring and evaluation for the prefabricated construction schedule

The prefabricated building construction (PBC) project is sensitive to uncertainties due to the highly required coordination and interdependency among the installation activities, which may cause progress delay. Hence, it is necessary to monitor the installation progress and evaluate the schedule in terms of the project duration to take proactive control actions to avoid actual project delay. This study focuses on intelligent monitoring and evaluation for the PBC schedule by combining the computer vision-based (CVB) technology, a weighted kernel density estimation (WKDE) method, and the earned duration management (EDM) method. Intelligent and real-time far-field detection of the prefabricated components (PCs) and workers is achieved through the CVB technology, which is, respectively, used to measure the progress status of the PC installation works and other manual works by means of the WKDE method. The PBC project duration is then predicted based on the monitored progress status to evaluate the schedule through the EDM method. The proposed intelligent schedule monitoring and evaluation method have been illustrated and justified through a field application. This study contributes to achieving intelligent schedule monitoring and evaluation for the PBC project.