基于遗传算法的浅埋隧道开挖地表沉降神经网络预测

分析了城市浅埋隧道开挖地表沉降的主要影响因素,并建立了基于遗传算法的神经网络浅埋隧道开挖地表沉降预测模型.使用有限元数值模拟正演算法获得神经网络模型学习样本,对模型进行学习训练.该预测模型在某市轻轨隧道地表沉降预测中进行使用,结果表明:基于遗传算法的神经网络对隧道开挖地表沉降的预测是可行的,预测结果比较准确,能较好地指导隧道施工,确保地表建筑物的安全.     

地铁隧道开挖引起地表沉降的数值模拟研究

大中型城市修建地铁是未来城市建设的一个重要方向,但是城市中环境复杂,地表沉降控制要求严格。因此,研究隧道开挖地表沉降变化规律,对沉降控制具有重要的实践意义。文章运用有限元数值模拟方法对青岛某标段地铁隧道工程进行分析,结合数值计算结果与现场实测数据,研究隧道在由断面开挖对地面沉降变化规律的影响,对比实际隧道开挖的监控数据,模拟结果表明,地表沉降仍在安全范围内,可以为类似工程沉降控制提供参考。     

测点缺失对地表移动参数确定的影响

以一个规范的地表移动观测站完整的实测数据为基础，人为地缺失某些测点，用误差检验方法研究了部分测点缺失对地表移动规律和参数分析的影响，所得结论可使国内大量测点缺失的观测站恢复使用价值。本文还对观测站的设置方法提出了改进意见。     

西山矿区地表移动观测资料综合分析

本文为《西山矿区开采沉陷规律与沉陷环境治理》研究成果的一部分,通过大量观测资料的分析,求取了相应于西山矿区地形、地质与开采条件的地表移动角量参数。动态参数及预计参数,这些参数对类似条件的矿区亦有参考价值。     

盾构隧道下穿深圳滨海大道地表沉降监测与控制

以深圳地铁二号线后—科盾构区间下穿深圳滨海大道为例,利用有限差分软件FLAC3D对隧道开挖进行数值模拟预测,通过模拟预测的结果对引起地表沉降的隧道开挖变形和开挖应力场进行分析,提出严格控制土舱平衡压力和盾构推进速度、加强对盾构掘进姿态的控制、严格控制注浆压力和注浆量等措施。对滨海大道上布置的2个点位沉降观测断面表明,地表沉降各项指标均在理想的控制范围内,并得出地表累计沉降最大值均发生在中轴纵线,且距盾构隧道中线最远的点累计沉降量最小等沉降规律。     

隧道开挖引起地表位移的数值模拟研究

隧道开挖扰动隧道上覆岩土层,原有的应力平衡状态发生破坏,导致地表发生移动和变形从而对周边建筑物产生影响.以某地铁隧道为例,应用ANSYS计算隧道开挖这一动态过程引起的地表沉降,分析地表沉降对周围环境尤其是建筑物的影响,并提出相应的防御解决措施,以此来减少隧道开挖对建筑物的影响.     

基于时空关系的盾构开挖地表沉降规律

基于武汉地铁四号线某区间隧道盾构开挖引起的地表沉降数据分析,考虑地表沉降的时空关系,将地表沉降划分为无影响阶段、前期沉降阶段、通过阶段、盾尾空隙沉降阶段、工后沉降阶段,并给出了各个阶段的大致范围及其地表沉降占总沉降的比值。通过对Mindlin解引入时间参数,针对不同阶段地表沉降影响因素进行分析,在前影响距离范围内,盾构机与土体的摩擦力和地层损失对地表沉降的影响占优,在后影响距离范围内,地层损失对地表沉降起到了绝对的控制作用,前期沉降阶段的土层隆起与正面附加推力、摩擦力有关,而正面附加推力、摩擦力和注浆压力导致了工后沉降阶段的土体回弹,由此获得了实时地表沉降预测的理论公式。研究结果表明：理论预测值与实测值能较好的吻合,该公式能够较为准确地实时预测地表沉降。     

煤矿岩层与地表移动模型参数的反演

本文提出了一种反演岩层与地表移动模型参数的新方法，并导出了求参结果的质量评价公式。     

基于优势遗传的自适应遗传算法

针对遗传算法的早熟问题,对自适应遗传算法进行了研究,提出优势遗传的新观点:在交叉算子设计时使适应度高的个体以较高概率进行交叉,并且在变异算子设计时使适应度低的个体以较高概率进行变异,能更有效地产生出优势个体,跳出局部最优.认为算法设计时使平均适应度过快逼近最大适应度是不合适的.由此,提出一种新算法,以优势遗传的原则随个体适应度的变化而自适应地改变交叉和变异概率,在一定程度上有效解决算法的早熟问题.实验表明,该算法能有效提高全局寻优的性能,鲁棒性好.     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman撼波器池结构，设计了使用遗传算法的自适应Kalman滤波器，给出了离线和在线两种实现方案．离线方案以辨识滤波参数为主要目的，进而可以对状态进行较准确的事后估计；在线方案以实时地对状态进行估计为目的．对滤波参数寻优使用具有良好性能的浮点数编码遗传算法，该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强．仿真结果验证了所提出的自适应Kalman滤波器的有效性．     

使用遗传算法的自适应Kalman滤波器

基于Magill的Kalman滤波器池结构,设计了使用遗传算法的自适应Kalman滤波器,给出了离线和在线两种实现方案。离线方案以辨识滤波参数为主要目的,进而可以对状态进行较准确的事后估计;在线方案以实时地对状态进行估计为目的。对滤波参数寻优使用具有良好性能的浮点数编码遗传算法,该算法与二进制编码遗传算法相比收敛速度更快、搜索全局最优的能力更强。仿真结果验证了所提出的自适应Kalman滤波器的有效性。     

Adaptive genetic algorithm for path planning of loosely coordinated multi-robot manipulators

0　ＩＮＴＲＯＤＵＣＴＩＯＮＵｓｉｎｇｍｕｌｔｉｐｌｅｒｏｂｏｔｓｉｎｃｏｏｒｄｉｎａｔｅｄｍａｎｎｅｒｃａｎｉｎ ｃｒｅａｓｅｐｒｏｄｕｃｔｉｖｉｔｙａｎｄｉｍｐｒｏｖｅｔｈｅｖｅｒｓａｔｉｌｉｔｙｉｎａｐｐｌｉｃａ ｔｉｏｎｔｏｃｏｍｐｌｅｘｔａｓｋｓ.Ｔｙｐｉｃａｌｌｙ ,ａｍｕｌｔｉ ｒｏｂｏｔｅｎｖｉｒｏｎ ｍｅｎｔｃｏｎｔａｉｎｓｔｗｏｔｙｐｅｓｏｆｃｏｏｒｄｉｎａｔｉｏｎｂｅｔｗｅｅｎｒｏｂｏｔｍａｎｉｐｕｌａｔｏｒｓ:ｔｉｇｈｔｃｏｏｒｄｉｎａｔｉｏｎａｎｄｌｏｏｓｅｃｏｏｒｄｉｎａｔｉ…     

自适应GA-SVM参数选择算法研究

支持向量机是一种非常有前景的学习机器，它的回归算法已经成功地用于解决非线性函数的逼近问题．但是，SVM参数的选择大多数是凭经验选取，这种方法依赖于使用者的水平，这样不仅不能获得最佳的函数逼近效果，而且采用人工的方法选择SVM参数比较浪费时间，这在很大程度上限制了它的应用．为了能够自动地获得最佳的SVM参数，提出了基于自适应遗传算法的SVM参数选取方法．该方法根据适应度值自动调整交叉概率和变异概率，减少了遗传算法的收敛时间并且提高了遗传算法的精度，从而确保了SVM参数选择的准确性．将该方法应用于船用锅炉汽包水位系统建模，仿真结果表明由该方法所得的SVM具有较简单的结构和较好的泛化能力，仿真精度高，具有一定的理论推广意义．     

基于航摄影像的地表移动观测站设计

航摄影像分辨率比较高、所含信息量大,能够较好地反映矿区的地形、地物和地貌.在设计鹤壁八矿3103工作面地表移动观测站时,应用该矿区航摄影像对3103工作面地表移动观测站进行辅助设计和观测点的布设.研究表明,应用航摄影像辅助地表移动观测站设计不仅可以减少实地踏勘的工作量,而且也提高观测站的设计和观测效率.     

改进遗传算法在水文模型参数优选中的应用

为改善传统水文模型参数优选算法的性能,针对遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,并且局部搜索能力较差、可能会出现过早收敛等问题,在遗传算法中加入局部搜索算子和加速算子,并引入了生物学中的小生境概念,提出了基于小生境技术的混合加速遗传算法(HAGA).该算法在广西合浦水库流域的洪水预报中得到成功应用.结果表明:基于小生境技术的混合加速遗传算法不仅有较好的全局优化性能而且精度较高,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

Adaptive template filter method for image processing based on immune genetic algorithm

To preserve the original signal as much as possible and filter random noises as many as possible in image processing, a threshold optimization-based adaptive template filtering algorithm was proposed. Unlike conventional filters whose template shapes and coefficients were fixed, multi-templates were defined and the right template for each pixel could be matched adaptively based on local image characteristics in the proposed method. The superiority of this method was verified by former results concerning the matching experiment of actual image with the comparison of conventional filtering methods. The adaptive search ability of immune genetic algorithm with the elitist selection and elitist crossover (IGAE) was used to optimize threshold t of the transformation function, and then combined with wavelet transformation to estimate noise variance. Multi-experiments were performed to test the validity of IGAE. The results show that the filtered result of t obtained by IGAE is superior to that of t obtained by other methods, IGAE has a faster convergence speed and a higher computational efficiency compared with the canonical genetic algorithm with the elitism and the immune algorithm with the information entropy and elitism by multi-experiments.     

Using genetic algorithm based fuzzy adaptive resonance theory for clustering analysis

In the clustering applications field, fuzzy adaptive resonance theory system has been widely applied. But, three parameters of fuzzy adaptive resonance theory need to be adjusted manually for obtaining better clustering. It needs much time to test and does not assure a best result. Genetic algorithm is an optimal mathematical search technique based on the principles of natural selection and genetic recombination. So, to make the fuzzy adaptive resonance theory parameters choosing process automation, an approach incorporating genetic algorithm and fuzzy adaptive resonance theory neural network has been applied. Then, the best clustering result can be obtained.Through experiment, it can be proved that the most appropriate parameters of fuzzy adaptive resonance theory can be gained effectively by this approach.