叠前深度偏移中的旅行时并行计算技术

旅行时计算技术是基于波动方程叠前深度偏移方法的核心内容，射线跟踪的数值计算精度和效率直接影响着介质成像质量和实用化。基于三维射线跟踪的微变网络方法和波前重建思路，提出一种适用于三维复杂介质地震波走时的快速算法。但它所需计算量巨大。采用并行计算技术，设计出基于“任务缓冲池”的动态负载平衡策略，在现有的分布式计算机上，实现了三维射线追踪和叠前深度偏移的并行计算。     

基于遗传算法和BP神经网络的城区中长期电力负荷预测与分析

由于产业结构的调整、居民消费能力消费结构的变化和市场化等因素的影响,城区中长期电力负荷预测具有相当的难度。建立一个基于遗传算法和BP算法相结合的神经网络预测模型,以南昌市为例做实证,并与传统BP神经网络和模拟退火预测结果做对比,验证了该模型的准确性。最后对城区未来十几年的基本用电负荷进行了预测和分析。     

基于可进化性的自适应遗传算法

针对传统遗传算法容易陷入局部最优解的问题,提出一个基于可进化性的自适应遗传算法。将个体可进化性作为适应度函数的参数加入到随进化代数动态调整的非线性适应度函数中,动态调整整个种群的交叉与变异概率以逸出局部最优。实验结果表明,该算法可改善适应度不高但具有较好进化能力个体的生存概率,且提高了种群多样性与搜索效率。