改进的遗传算法求解固结系数

基于太沙基一维固结理论,根据遗传算法原理,推导了固结系数与固结时间的参数关系,为固结系数的求解提供了一种计算方法。该法避免了图解法的缺陷,消除了时间对数法等计算方法由于需要确定沉降初始值的误差影响。求解中根据生物进化原理,便于计算机数据处理。通过与现有方法比较,发现该方法准确、可靠和简便,可有效消除人为因素,而取得较好的计算结果。     

遗传算法在边坡稳定系数计算中的应用

边坡稳定性的关键问题是确定最危险滑动面(潜在最危险滑动面)和边坡的稳定系数。国内外一般是采用先假定边坡滑移模式,然后近似确定最危险滑动面,再求近似的边坡稳定系数的方法来分析边坡的稳定性,但假设的边坡滑移模式难以反映边坡滑移的实际状态。因此本文探索利用遗传算法搜索最危险滑动面,并得到最小稳定系数及对应的最危险滑动面曲线,取得了较好的效果。     

改进的最小二乘法计算固结系数

目前计算固结系数常用的方法是时间对数法和平方根法,这两种方法属于作图法,同时这两种方法仅利用了试样固结试验中沉降量与时间关系曲线中较少的数据,人为因素影响较大,确定固结系数有一定误差,因此,如果利用固结过程中的实测数据直接求出固结系数将会是一种较好的计算方式。针对这种情况,采用工程上通用的最小二乘法,通过公式推导,改进边界条件,得出了实测数据与固结系数的关系公式,并用Matlab编程得到了固结系数的求解过程,由于采用计算机运算,从而避免了对固结初始值的依赖,减少人为因素的影响。计算结果表明,计算公式计算效果良好,有效的减少了计算中的误差。     

基于GDS固结渗透试验吹填土固结系数研究

基于一维大变形固结方程,给出了不同描述方法时大变形固结系数的表达式,采用软黏土渗透系数及有效应力与孔隙比间的半对数线性关系和幂函数关系,探讨了大变形固结系数随孔隙比的变化规律,提出了大变形固结系数随孔隙比变化的条件关系式,并应用于GDS固结渗透试验吹填淤泥固结系数变化特征分析.研究结果表明:1)存在临界孔隙比,将3种定义的大变形固结系数分成不同变化特征的单调区间,利用条件关系式能较好地判断大变形固结系数的变化规律.2)深圳前湾吹填淤泥大变形固结系数随孔隙比的减小变化幅度达1~2个数量级,比小变形固结系数的变化幅度更大,在对吹填淤泥等超软土进行大变形固结计算时,应先明确大变形固结系数的变化规律.     

一维固结理论中固结系数的试验分析

利用长安大学改装的K0固结仪,对原状土样与重塑土样进行了固结渗透试验,根据试验所得到的数据,分别对2种土体的变形与渗透特性进行了分析,并结合太沙基一维固结理论,得到了固结系数的确定方法;在此基础上,对固结系数的变化进行了非线性分析,揭示了固结系数在固结过程中的变化规律及土体结构性对它的影响,这对准确计算地基土体的固结沉降有指导作用。     

饱和土体一维大变形固结系数研究

本文在一维大变形固结理论研究的基础上,给出了大变形固结系数的定义及其不同描述方法时的具全表达式。     

基于遗传算法的钢柱翼缘补强系数优化计算

钢结构中H型钢柱翼缘与梁常采用端板式高强螺栓刚性连接节点,计算所需的梁端板厚度通常比与其连接的柱翼缘部分的厚度大,柱翼缘部分必须进行补强设计。文献[3]推导出补强板厚度的计算公式,但补强系数的确定方式较粗略。文中采用遗传算法确定了补强系数的最优值。     

浅谈软土压缩过程中影响固结系数的因素

软土强度低、压缩性高、透水性差,变形很大,而且往往持续很长时间。在工程中,控制软土地基的变形,了解变形与时间的关系,对设计、施工都非常有利。目前在实际工程中,计算变形与时间的关系大多数都是基于太沙基固结理论,其中土的固结系数Cv=k(1+e0)/γwmv,并假定土的参数在压缩过程中是不变的,但是大量的试验结果表明:在固结过程中,渗透系数k和压缩系数mv呈递减趋势,因此固结系数Cv也是变化的。大量的试验研究表明固结系数Cv随着有效应力水平的变化而变化。因此在计算建筑物沉降时,应当将固结系数看成随应力、渗透系数等因素变化的量。所以如何选择合适的固结系数,成为了预测变形速率的关键。     

考虑有效应力的软土固结系数变化规律

在渗透系数与孔隙比以及有效应力和孔隙比的2类经验回归拟合关系的基础上, 推导出固结系数和有效应力的表达式, 通过算例和室内试验研究了不同固结应力软土压缩过程中固结系数的变化规律, 同时提出考虑有效应力的软土固结系数三次多项式拟合回归方程.研究结果表明:随着有效应力的增加, 考虑固结系数变化的软土地基固结速率, 相对于太沙基固结理论预测的固结速率, 会在一定程度上加快 (压缩指数C_c与渗透指数C_k的比值C_c/C_k<1) 或减缓 (C_c/C_k>1) 土体的固结, C_c/C_k=1时, 与太沙基固结理论假设一致;采用统一的三次多项式拟合固结系数与有效应力的关系, 达到了很好的拟合效果, 此结果为数值分析中参数选取的准确性提供了保障, 能较准确预估软土地基的变形速率.     

修正Terzaghi理论在吹填土固结计算中的应用

经典Terzaghi一维固结理论在小变形线弹性固结沉降计算中广泛应用,固结系数、压缩性、渗透性等固结参数保持为常量,但直接应用于沉降量超过50%的吹填土固结沉降会引起不可忽视的坐标误差,导致较大的预测误差,存在应用上的局限性。修正Terzaghi理论计算方法,根据有限应变理论将吹填土大变形固结沉降分段表达,同时修正应变步长上固结参数,满足经典固结理论中小变形、线弹性假定条件。通过土体渗透系数、体积压缩系数与孔隙比间拟幂次函数关系表达吹填土体非线性本构关系,固结系数不再保持为常量,而在固结过程连续变化。修正Terzaghi固结理论分段计算方法,在确定沉降应变步长内固结系数为常量,计算相应时间步长,修正土体固结系数及固结参数后进行下一应变步长计算,累加沉降量与时间步长得到土体时间维度上的大变形固结曲线。修正Terzaghi固结理论满足线弹性小变形基本假定,反映出软土固结沉降中非线性特点,计算预测结果与实测值符合良好,将经典一维固结理论推广应用到吹填土大变形固结领域。     

利用遗传算法优化BP神经网络

首先阐述了BP算法和遗传算法,并指出BP算法和遗传算法各自的优缺点,讨论了如何利用遗传算法优化BP神经网络,并举实例进行了仿真。结果表明该方法具有一定的实用价值。     

基于遗传算法的考试系统组卷算法设计

本文分析了考试系统中的组卷问题,结合遗传算法,从算法预处理、编码方法、初始化群体、适应度函数、选择算子、交叉算子和变异算子这几个方面,详细地研究了如何采用遗传算法解决组卷问题。并且通过实验数据,与随机抽取算法和其它组卷算法作比较,说明了本算法的优越性。     

一种基于遗传操作的神经网络混合训练算法

介绍了一种改进遗传算法的基本操作,并讨论了综合应用遗传算法及ＢＰ算法进行神经网络的权值训练。通过实例比较和分析了这种混合算法与ＢＰ算法的实验效果。     

遗传算法在TSP问题中的应用

遗传算法是借鉴生物界自然选择和进化机制发展起来的全局的概率搜索算法,旅行商问题（TSP）是著名的NP问题,也是组合优化、计算机科学界经典的问题之一。本文简介了遗传算法的原理、设计方法和基本步骤,并着重用遗传算法对TSP问题进行近似求解。     

一类非线性二级多目标决策的遗传算法

对非线性双级多目标决策问题,提出了一类非线性二级决策问题的遗传算法的解法。即各级目标函数共用相同的约束条件,对问题分级进行处理;对于每一层利用线性加权法将问题进行简化,将一个非线性二级决策问题转化为多个一级非线性决策问题,再利用遗传算法分别进行求解,可得到原问题的非劣解,从而提供了解决非线性决策问题的一种方法。