改进粒子群算法在大坝力学参数分区反演中的应用

为反演大坝的力学参数,需克服粒子群算法不能保证收敛到全局最优解的缺点,本文应用了一种新的粒子群算法:采用了拉伸目标函数法、Metropolis算法和自适应权重。同时将上述改进算法同量子粒子群算法和灾变粒子群算法进行了比较,将实际反演结果同超声波检测和常规基于混合模型的反演结果进行了比较,解释了常规反演结果偏小的原因。工程实例表明,改进算法具有计算量小、全局收敛性能高的特点,与灾变粒子群算法和量子粒子群算法性能相当。     

混沌粒子群优化算法在马斯京根模型参数优化中的应用

针对目前马斯京根模型参数率定中存在的求解复杂、精度不高等问题,本文将混沌搜索机制引入粒子群优化算法中,构建混沌粒子群优化算法对马斯京根模型参数进行率定。这种方法利用混沌运动的遍历性,改善了粒子群优化算法的全局寻优能力,避免算法陷入局部极值,使得粒子群体的进化速度加快,提高了算法的收敛速度和精度。通过实例应用表明,混沌粒子群优化算法可以有效地估算出马斯京根模型参数,优化效果明显优于粒子群优化算法及试错法,因此该算法具有很好的实用性。     

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。     

古水水电站高面板堆石坝坝体填筑程序与变形控制研究

文章简要介绍了古水面板堆石坝采用Clough—Dunc＆n接触面模型模拟计算分析多种坝体填筑程序下面板发生脱空的状况,研究了坝体填筑中分期填筑高差、填筑超高、预沉降期等坝体填筑分区技术参数与面板变形控制的关系,研究表明不同坝体填筑程序面板脱空的大小有明显的差异,优化坝体填筑分期分区施工程序是减小和避免面板脱空、控制坝体变形的有效手段;结合古水面板堆石坝的坝体填筑程序优化研究,建立了高面板堆石坝填筑分期分区优化粒子群算法模型,采用异质粒子群算法对坝体分期分区进行优化计算,实现在分期分区优化中对高面板堆石坝变形的控制。     

塘冲堆石坝施工期沉降反演分析及长期变形预测

在整理分析塘冲水库面板堆石坝施工期沉降观测资料的基础上,采用模拟退火算法对坝体堆石料邓肯E-B模型的参数及流变模型参数进行反演分析。反演结果表明,基于反演参数的沉降计算值与实测值吻合很好,在反演参数的基础上对蓄水后坝体的长期变形进行预测,预测结果表明,坝体的流变变形量不大,最终大坝的变形、面板应力应变、各周边缝变形均在在合理范围以内,满足设计要求。     

基于土石方全过程动态监控的面板堆石坝施工技术研究

文章首先介绍了中国当前面板堆石坝施工领域的发展状况,对常用的土石方施工监控措施进行了详细归纳,如线性监控模型、多维度决策模型以及大系统架构模型等,随后针对面板堆石坝施工过程中的时空约束性问题,提出了基于土石方全过程动态监控的面板堆石坝施工策略,根据实际工程中的施工需求分析,搭建了实时、可视化的数学仿真模型,最后通过对浙江国华开潭水电站工程的实地勘测来完成试验验证,并对试验结果进行综合分析,证明了所搭建的基于土石方全过程动态监控的面板堆石坝施工数学模型的正确性与可行性。     

覆盖层上面板堆石坝筑坝材料反演分析与安全性研究

以双溪口面板堆石坝实测沉降监测资料为基础,通过基于免疫遗传算法的位移反分析法对堆石料E-B模型参数进行反演分析,获取了符合工程实际的模型参数。根据反馈分析得到的计算结果,采用邓肯-张弹性非线性E-B模型,分析研究了大坝竣工期及蓄水期的变形及应力分布状态,计算结果表明,大坝蓄水期位移增量较小,面板应力正常,大坝运行安全。     

基于粒子群算法的非绝热温升试块试验及反演分析

热力学参数及边界条件是影响混凝土温控仿真计算精度的重要因素之一,而通过室内试验的方式获得这些参数成本较高,且往往与工程实际不符。引入粒子群算法,根据现场的混凝土非绝热温升试块试验成果,进行反演计算和分析。结果表明,粒子群算法可以用于混凝土温度场的反问题研究中,且反演结果精度较高。     

基于改进粒子群算法的岩土工程参数反演

把粒子群算法引入岩土工程参数反演领域,并对基本粒子群算法进行改进,改进的算法(CSV-PSO算法)在粒子飞速移动中动态地调整粒子运行的速度极限及惯性权重,压缩搜索空间,从而克服了基本粒子群算法搜索精度不高、易陷入局部最优的缺点。算例表明,与POS算法相比,CSV-PSO算法的结果精度提高约1倍,耗时缩短40％,说明CSV-PSO算法是一种新颖可行的参数反演方法。     

双沟水电站面板堆石坝变形反演分析

利用反演预测模型,结合混凝土面板堆石坝原型观测资料,对大坝填筑料的邓肯E-B模型参数进行反演分析,并用反演所得的坝体材料参数及其实际填筑过程进行有限元计算,得到坝体及面板的变形值;利用模型对水库蓄水三年后的变形值进行计算;根据实际监测结果与计算值进行对比,证明了有限元计算结果的合理性。     

混沌粒子群优化算法在确定含水层参数中的应用

以泰斯公式为例,将混沌粒子群优化算法应用于求解分析抽水试验数据,解决含水层参数的函数优化问题.通过在粒子群算法的初始化粒子位置及后续的细搜索过程中加入混沌序列,提高了算法的收敛速度和精度.数值实验结果表明:混沌粒子群算法能够有效地应用于求解含水层参数计算问题;粒子数的增多对混沌粒子群算法收敛性的影响不明显;待估导水系数选取不同的倍数均体现出混沌粒子群算法的收敛性明显优于粒子群优化算法.混沌粒子群算法应用于确定含水层参数是可行的.     

基于GA-PSO混合优化BP的面板堆石坝爆破料压实质量评价

碾压质量评价是大坝智慧化施工的关键技术之一，对坝体安全稳定性具有重要影响，而目前对其评价模型和方法尚未达成一致认识。以新疆阿尔塔什面板堆石坝为依托工程，结合现场填筑碾压监测数据和试坑检测试验数据，提出基于遗传算法和粒子群算法混合优化的BP神经网络算法(GA-PSO-BP)的爆破料压实质量评价模型。通过与BP、GA-BP、PSO-BP 3种预测模型进行对比分析，证明该模型的精度和优越性。结果表明：提出的基于GA-PSO-BP模型收敛速度更快、性能更好，且基于GA-PSO混合优化后的BP神经网络爆破料压实质量评价模型精度相对较高，可用于与新疆阿尔塔什混凝土面板堆石坝类似工况的压实质量评价。     

基于GRU-WPA法的重力坝地基力学参数反演分析方法

利用位移实测资料对大坝地基力学参数进行反演时,常规反演算法存在收敛速度慢、精度差等问题。基于GRU神经网络代理模型和狼群算法,提出了一种新的反演方法GRU-WPA法,该方法在保证计算精度情况下能提高计算效率。将此方法应用于某碾压重力坝工程中的地基力学参数的反演,以典型断面中测点的观测数据为依据,反演分析寻优得到地基弹性模量,同时将反演弹性模量的有限元计算位移与实测位移相比较以分析精度,并与常规粒子群算法的反演分析结果进行对比。计算结果表明,GRU-WPA法计算速度更快,反演弹性模量有限元计算位移与实际位移的整体误差更小,表明GRU-WPA法在大坝地基力学参数反演分析中具有良好应用效果。     

基于均匀设计及神经网络的堆石材料参数反分析

鉴于堆石坝材料参数反演分析问题的复杂性,在BP神经网络反分析的基础上,利用均匀设计理论构造参数样本,结合有限元分析,对水布垭面板堆石坝主、次堆石料的邓肯E-B模型参数进行反演分析。为了验证反演结果的可靠性,再利用反演分析结果,重新进行有限元计算,将计算得到的坝体沉降位移值与实际监测值相比较,结果显示,有限元计算位移值符合大坝变形的基本情况,反分析结果满足精度要求。说明利用均匀设计结合BP神经网络的反分析方法,可以减少堆石坝材料参数反演分析中网络学习的样本数量,提高反分析效率及准确性。     

堆石体流变本构模型参数的智能反演

提出基于演化神经网络和序列二次规划算法的智能反演方法，通过实测变形资料对堆石坝流变本构模型参数进行反演分析，算例计算表明，该方法高效且具有全局收敛性。采用该方法对某堆石坝9参数流变模型参数进行反演分析，计算结果表明，利用反演的模型流变参数所计算的坝体流变变形与实测资料在发展规律及数值上均比较吻合。最后采用反演后的参数对该堆石坝后期变形进行了考虑流变效应的流变计算，预测出该堆石坝的后期变形量，预测结果合理可信。     

基于进化神经网络模型的面板堆石坝沉降和面板挠度预测

堆石坝变形和面板挠度的预估对指导堆石坝设计和施工具有重要意义。针对堆石坝室内试验参数和实际参数存在差异,而待建堆石坝缺乏实测变形进行参数反馈,难以较准确预估堆石坝沉降和面板挠度,为此较广泛搜集了类似面板堆石坝工程的监测数据,将遗传算法和神经网络模型相结合,建立了堆石坝工程变形预测的进化神经网络模型。由待建面板堆石坝工程的坝高、宽高比和干密度等作为控制参数,结合训练好的进化神经网络模型,预测得到待建面板堆石坝的变形及面板挠度。实例分析表明,该方法可行。     

粒子群算法和ADINA在土石坝参数反演中的联合应用

针对土石坝的反馈分析问题,采用Fortran语言编程,实现了粒子群优化算法与商业有限元软件ADINA之间的无缝连接,使整个计算过程自动化;应用OpenMP方式同时调用多个ADINA求解器,启用多核处理器进行并行计算,提高了计算效率。以糯扎渡超高心墙堆石坝为例,对粗堆石料Ⅰ区材料应用不同种群规模粒子群进行参数反分析,结果表明,将粒子群算法与ADINA联合应用于土石坝参数反演是可行的,并行算法也具有明显的优越性。     

双沟水电站面板堆石坝反演计算分析

本文利用免疫遗传算法,结合双沟水电站面板堆石坝原型观测资料,对大坝填筑料的邓肯E-B模型参数进行反演分析,并用反演所得的坝体材料参数及坝体实际填筑过程进行有限元计算,根据计算成果分析大坝变形与应力极值分布的合理性.     

面板堆石坝演化人工神经网络反演分析模型研究

针对面板堆石坝参数反演的特点,结合实测资料,建立了演化人工神经网络参数反分析模型,提出了模型建立的具体方法和步骤;并对某面板堆石坝进行了有限元分析计算,得到了与实测资料较为吻合的计算结果。     

基于量子行为粒子群优化算法的河道糙率反演

糙率是河道水动力模型的重要参数,在模型中敏感性高,但其在实际工作中难以准确测定。量子行为粒子群算法(QPSO)是粒子群算法的发展,相对于粒子群算法,在全局收敛和收敛率上有很大提高。将量子行为粒子群优化算法与一维河道水动力模型耦合,建立河道糙率反演模型,并在淮河干流蚌埠到花园咀河段进行了模拟,取得了较好的效果。与其他糙率反演算法相比,该算法具有理论简单、参数少、易于编程实现、通用性强等优点。