结构计算模型修正的区间反演方法

提出了结构计算模型修正的区间反演方法。该方法将计算模型修正问题归结为非线性全局优化问题，并采用一种遗传算法进行求解。方法考虑了作为修正参考值的试验模态参数具有一定误差，计算结果除可以给出修正后模型的估计值外还可以同时给出其不确定度，有利于对修正后计算模型的质量做出直观评价。算例表明本文提出的方法是可靠可行的，不仅可以判断采用的信息是否完备，而且可以对完备数据的稳定性情况进行判定。     

混凝土重力坝振参数识别研究

基于最优控制解的理论，建立了引入先验约束条件的混凝土重力坝动态参数识别模型，提出了求解该模型的约束变尺度方法。以某大坝空库情形为例，在振动观测数据不完全的条件下，对动态材料参数识别方法进行考察。识别结果表明，约束变尺度方法不仅具有较高的计算精度和良好的数值稳定性，并且具有一定的抑制数据噪音的能力。在只有一阶圆频率和几个固定点处有一阶振型观测数据的情况下，可以可靠地识别出坝体混凝土基础岩石的动弹性模量。从而为识别混凝土坝体和岩石基础弹性常数提供了一条新的有效途径。     

数据驱动的卷取温度模型参数即时自适应设定算法

为提高热轧换规格首块钢头部卷取温度命中率,采用数据挖掘技术,从历史带钢冷却数据中推断出与实际带钢相匹配的卷取温度模型水冷换热学习系数,并将其应用于模型预设定计算。首先,对冷却特征参数进行识别,按照相对型、绝对型、相等型和策略型四种方式进行定义,并对实际带钢与历史带钢的各项冷却特征参数进行相似距离计算。当历史带钢的总相似距离满足要求时,将其聚类为实际带钢的相似卷,并考虑各相似卷的时间影响,计算相似权重值;随后,基于相似带钢的头部和尾部信息,建立由卷取温度预报误差、偏离学习系数回归值惩罚项和偏离默认值惩罚项等构成的目标函数以及相应的约束条件,采用梯度下降法求解该二次规划问题,通过三次优化逐步计算出学习系数参考值和表征学习系数与带钢速度及目标卷取温度呈双线性关系的两个参数;最后,根据实际带钢的穿带速度、目标卷取温度等冷却条件计算冷却设定所需的学习系数。现场应用表明:基于十万块历史带钢冷却数据驱动的模型参数即时自适应设定算法可增强卷取温度模型对带钢头部冷却的预设定能力,学习系数即时自适应设定能力随着内存中保存的历史带钢冷却数据的多样性和检索出的相似卷数量的增加而提升。      

巷道围岩初始应力场和弹性模量的区间反演方法

从有限元数值计算的角度对岩土工程参数的可辨性进行了分析。在可辨识性分析的基础上，考虑观测数据的不确定性，建立了在联合采用围岩位移和应力观测数据的同时，识别地应力和围岩弹性模量的反演模型。并采用约束变尺度方法求解该反演模型，获得地应力和弹性所在区间范围。     

含水层参数识别的M on te-Carlo 方法

 采用Monte2Carlo 随机模拟方法模拟观测数据, 根据水头和流量观测数据识别含水层的导水系数。通过对经典最小二乘法目标函数的修正, 添加了流量残差平方和最小一项, 保证参数识别结果的唯一性。研究表明, 当观测误差为正态分布时, 参数识别结果也为正态分布。采用本文所提出的含水层参数识别方法, 即使水头观测标准差达到1m , 参数识别结果的平均值与理论值的相对误差小于1%。     

基于遗传算法的岩体初始应力场反演

基于遗传算法,根据巷道开挖后变形收敛观测资料,建立了岩体初始应力场非线性反演方法,解决了传统线性化反演解的不唯一性问题和迭代发散问题。根据不同观测仪器的分辨率和精度,建立了目标函数和权矩阵和迭代终止准则。数值计算结果表明,所提出的非线性反演方法具有全局收敛特性和良好的抗观测噪音能力。     

非线性最优化问题的一种混合解法

把BFGS方法与混沌优化方法相结合,基于混沌变量提出一种求解具有变量边界约束非线性最优化问题的混合优化方法。混合算法兼顾了混沌优化全局搜索能力强和BFGS方法收敛速度快的优点,成为一种求解非凸优化问题全局最优的有效方法。算例表明,当混沌搜索的次数达到一定数量时,混合优化方法可以保证算法收敛到全局最优解,且计算效率比混沌优化方法有很大提高。     

基于遗传算法的混凝土-维瞬态导热反问题

基于Laplace积分变换法和遗传算法，提出了一种混凝土-维瞬态导热反问题求解的新方法。运用Laplace变换将温度的求解表示为只与空间坐标及浇筑时间有关的函数，使得反问题的求解具有测点布置灵活的特点。运用遗传算法寻求非线性反演问题全局最优解，只需要若干点温度实测值便可实现多个热学参数的同时反演，算例对反演方法的反演精度及数值稳定性给出了满意的证明。     

基于神经网络的岩体渗透系数反演方法及其工程应用

基于人工神经网络方法，根据岩体渗流场的水头观测数据的注水试验先验信息，建立了一种含水层参数识别数值方法。介绍了采用神经网络方法反演混凝土大坝岩石基础和混凝土帷幕渗透系数的工程实例。工程实际应用表明，所提出的反演方法得到的渗透系数代入到有限元模型，水头预报值具有比较高的精度。     

云峰大坝弹性参数识别的神经网络方法

基于人工神经网络方法，根据云峰大坝坝顶水平位移观测资料能够识别大坝混凝土和岩石基础的弹性模量。采用ＢＰ学习算法，并通过增加阻尼项以及对观测数据的归一化处理，避免迭代过程中的振荡性，提高了参数识别精度，将弹性模量识别结果代入到有限元模型中，计算所得到的坝顶水平位移与坝顶观测水平位移水压分量的最大误差小于０．１５ｍｍ。工程实际应用表明，用神经网络方法识别材料参数具有识别精度高和收敛速度快等特性。