基于粒子群算法的大坝力学参数反演

粒子群算法是一种集群优化算法,结合通用的商业有限元软件MSC.Marc.利用其与FORTRAN语言的接口,编写了基于MSC.Marc的物理力学参数的粒子群算法反演程序.结合陈村大坝的实测资料,利用该方法反演了大坝坝体弹性模量.算例表明,采用粒子群算法和MSC.Marc反演大坝坝体的物理力学参数是可行的.     

基于改进粒子群算法的渗透系数参数反演分析

针对传统的粒子群算法存在收敛速度慢、易陷入局部最优的缺陷,依据水库原型观测数据和有限元数值计算结果,基于以e为底的指数函数的惯性权重策略的改进粒子群算法,减少了求解计算时间,提高了结果准确度,构建了大坝渗透压力监测控制统计分析模型,并分别采用标准粒子群算法和改进的粒子群优化算法反算了混凝土坝体、坝基的渗透系数。与实测值的对比结果表明,基于改进粒子群算法的渗透系数参数反演拟合效果良好,计算误差小、搜索效率快、辨识参数准确度高,具有较强的可操作性。     

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。     

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。     

RCC坝力学参数反演不唯一性概率统计分析方法探讨

由于室内试验确定的混凝土坝力学参数与实际参数存在较大差异,目前混凝土坝工程上常基于实测变形采用优化算法或仿生算法反演获得混凝土坝力学参数,然而多参数反演不唯一性问题尚未解决。针对反分析不唯一性问题,考虑到大坝混凝土弹性模量和强度之间密切相关,基于大坝混凝土强度标准值的定义方法,建议基于实测变形进行多次力学参数反演,然后对反演结果进行概率统计分析获得概率分布函数,依据80%保证率确定反演参数。结合高寒地区某碾压混凝土(RCC)坝实测变形,验证了本文提出的反演参数不唯一性概率统计分析方法。分析表明该方法可以获得相对稳定的坝体及坝基力学参数反演值,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

高寒地区碾压混凝土坝运行期力学参数反演分析

为准确获得高寒地区碾压混凝土坝真实状态下的力学参数,将碾压混凝土作为横观各向同性材料进行参数反演分析。首先采用均匀设计构造力学参数样本,然后基于有限元法计算不同工况下的顺河向位移,将有限元分析得到的水压分量相对值及相应的力学参数作为神经网络的训练样本,建立水压分量相对值与相应的力学参数非线性映射关系。基于大坝实测位移,考虑坝顶冻胀变形的影响,通过建立坝体及坝基多测点变形统计模型分离出水压分量相对值,将其作为反演模型的输入值,得到坝体及坝基的力学参数。通过实例分析表明,该方法反演得到的坝体及坝基力学参数是可行的,可为高寒地区碾压混凝土坝安全性态评估提供参考。     

基于并行粒子群算法的混凝土坝热学参数反分析

针对室内试验所得混凝土大坝热学参数的随机性以及传统反分析优化算法易陷入早熟,效率低和计算量巨大等缺点,提出基于并行粒子群算法的反分析方法。本文利用实际所测温度对热学参数进行反分析,根据反分析后的热学参数利用有限元进行温度场正分析,分析比较预测参数与试验参数所得非稳定温度场。结果表明:计算结果和实测结果较为接近,该方法具有较好的稳定性和收敛性,反演结果可满足工程要求。该方法可为混凝土坝热学参数反分析提供理论探讨意义并具有工程实际应用价值。     

基于粒子群仿生算法的混凝土坝变形预报模型

将粒子群算法引入大坝安全监控领域,并结合多元回归统计模型,建立基于粒子群算法的混凝土坝变形预报模型。利用粒子群算法的全局寻优能力以及该算法具有正反馈信息的仿生特点,通过优化迭代计算,确定坝体变形统计模型中各回归系数。工程实际应用表明,基于该模型的预报结果与传统的最小二乘法相比,可显著提高混凝土坝变形的预报精度,所以该模型的预报应用是可行的。     

量子遗传算法在混凝土重力坝综合弹性模量反演中的应用

复杂运行条件下水工建筑物结构物理力学参数往往会随着服役时间的增长发生变异,及时了解更新这些参数对于掌握水工建筑物工作性态,指导水工建筑物安全监控具有十分重要的意义。基于量子遗传算法QGA建立坝体有限元力学参数反演模型,通过MATLAB编程建立有限元软件命令调用接口,利用工程实测值与有限元计算结果建立目标适应度函数,并通过量子遗传算法智能寻优,实现水工建筑物结构参数反演。为验证本算法的有效性,特以混凝土重力坝为例对坝体及基岩综合弹性模量进行反演分析,并与传统遗传算法反演结果进行对比,结果表明本算法反演精度及运行速度均较高于传统遗传算法,具有一定的科学和实践应用价值。     

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。     

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。     

基于改进ACMPSO并行算法的土石坝本构参数反演

针对一般的优化算法进行土石坝本构参数反演时收敛速度慢,且容易陷入局部最优的问题,引入动态变异系数和OpenMP并行指令,对自适应混沌变异粒子群算法(ACMPSO)进行改进,并采用实例对改进算法进行了验证.实例验证结果表明,与一般优化算法相比,改进的ACMPSO并行算法能够有效避免算法陷入局部最优的问题,大幅降低计算耗时...     

基于改进PSO-RF算法的大坝变形预测模型

针对传统随机森林参数寻优方法的不足,引入均衡惯性权重和自适应变异对粒子群优化算法进行改进,提出了一种基于改进粒子群优化算法和随机森林算法(改进PSO-RF算法)的大坝变形预测模型。实例验证结果表明,在计算效率方面,与传统网格搜索法相比,改进PSO-RF算法显著提升了模型的寻优速度;在预测精度和稳定性方面,基于改进PSO-RF算法的大坝变形预测模型明显优于长短期记忆网络、支持向量机和BP神经网络模型。     

基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法

拱坝在长期服役过程中受材料老化、环境侵蚀等因素影响,其动弹性模量真实值与设计值存在一定差异,合理确定运行期高拱坝及其地基的原型动弹性模量参数对于监控拱坝的振动安全至关重要。由于模态参数更能从整体上反映结构的振动特性,基于拱坝原型振动模态参数反演拱坝及地基的动弹性模量在理论上更为精确,为此,本文提出了一种基于敏感性分析与粒子群算法的拱坝原型动弹性模量反演方法。首先,建立了反映拱坝及地基各分区动弹性模量与拱坝模态参数之间非线性映射关系的响应面数学模型,基于正交试验法分析了拱坝及地基的动弹性模量区域对拱坝模态参数的敏感性,并以此确定了待反演的动弹性模量区域。其次,提出了基于响应面数学模型计算模态参数和原型振动模态参数的拱坝及地基分区动弹性模量反演最优化数学模型,将动弹性模量参数反演问题转化为目标函数最优化求解问题。最后,采用自适应惯性权重的粒子群优化算法对目标函数进行寻优求解,反演出各分区实际动弹性模量。通过原型工程实例分析表明,该方法合理可行且具有很好的精度,为反演拱坝的动弹性模量提供了一条新思路。     

基于C-PSO算法的混凝土面板堆石坝断面优化设计

针对基本粒子群算法(PSO)寻优过程中存在收敛速度慢、易陷入局部最优和计算精度差等缺陷,采用分簇思想和碰撞策略,提出了一种改进的粒子群算法(C-PSO),在该算法中,粒子通过分簇并行搜索,有效避免了群体过度集中现象,极大地增强粒子全局搜索能力。将C-PSO算法应用于混凝土面板堆石坝断面优化设计中,优化结果表明,该算法对解决复杂的多变量多约束非线性问题具有较好的适应性,为复杂的混凝土面板堆石坝断面优化设计问题提供了新的解决思路。     

基于鸡群算法优化相关向量机的混凝土坝变形预报模型

针对混凝土坝变形监控模型中大坝变形与环境影响因素之间的复杂非线性问题,为提升大坝变形监控模型的预报能力,提出了一种基于鸡群算法(CSO)优化相关向量机(RVM)的混凝土坝变形预报模型。考虑到相关向量机核函数参数的选取直接影响其回归分析性能,采用鸡群算法对其核函数参数进行寻优处理。据此,构造了基于鸡群算法优化的相关向量机模型,进而提升相关向量机的预报精度和泛化能力。以某混凝土坝长期变形监测资料分析表明,基于鸡群算法优化的相关向量机模型预报可有效挖掘大坝变形与环境因素间复杂的非线性函数关系,相比传统的相关向量机模型,该模型的拟合与预报精度更优,有效验证了所提方法的合理性与有效性,为大坝变形分析与预测提供新的模型方法。     

浆砌块石重力坝弹性模量两种反演方法对比研究

深圳赤坳水库的大坝为浆砌块石重力坝,经过多年运行,材料参数已经发生变化。为反演大坝目前的弹性模量,首次采用支持向量机和粒子群反演方法进行对比研究,利用实测数据进行大坝弹性模量反演。两种反演方法结果接近,相互验证说明反演结果是正确的,同时也说明了上述两种方法在浆砌块石重力坝的反演分析工作中的可行性。     

基于蛙跳优化算法的土石坝邓肯-张E-B模型参数反演

邓肯-张E-B模型常用来刻画土石坝本构关系,对其参数进行准确估计是实现土石坝应力应变分析的前提。本文针对工程中通过三轴试验确定其参数所存在的不足,着重阐释了群智能蛙跳优化算法在反演土石坝邓肯-张E-B模型参数中的应用,结合实测资料,通过正分析,证明了蛙跳优化算法在E-B模型参数反演中的合理性,以期为其他工程提供借鉴。