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。     

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...     

基于粒子群算法的鲤鱼潭大坝坝料动参数反演

土石料的动力模型参数是影响土石坝抗震安全分析的主要因素。土石坝动力模型参数一般是通过室内试验确定的,但受施工工艺、施工方法和施工质量的影响,其结果与坝体实际参数会存在差异。为此,提出了一种以加速度反应谱为目标函数的土石料参数反演方法,该方法依据坝体在地震中的响应信息,利用粒子群算法反演坝体的材料参数。结果表明,动剪模量衰减曲线和阻尼比增长曲线对坝体地震响应有很大影响。     

基于改进粒子群算法的大坝监控加权统计模型

用于大坝安全监控的加权统计模型主要依据工程经验确定各因子的权重,这种求解方式易导致部分因子信息的缺失。根据大坝安全监测数据,应用粒子群算法可优化确定加权统计模型中各参数的最优解,但对于高维度优化问题,该算法存在收敛速度慢、易陷入局部最小等不足。针对这些不足,考虑粒子种群平均位置信息的影响,提出一种新的改进粒子群算法,利用单体与种群平均位置的距离信息确定两者之间的学习因子。土石坝工程实例分析结果表明:改进粒子群算法加强了种群跳出局部最小的能力,所得加权统计模型的权重符合工程实际情况。尤其在大坝运行初期,监测资料较少的情况下,基于改进粒子群算法的大坝监控模型具有较高的预测精度和预报能力,可为大坝监控领域提供一种新的数据分析方法。     

改进粒子群算法在确定含水层参数中的应用

通过分析抽水试验数据,为估计含水层参数提供新的方法。在粒子多样性方面对粒子群算法进行改进,提高了算法的收敛速度和精度。将改进的粒子群优化算法应用到含水层参数估计中,计算结果与其他方法进行对比,并对不同初始值范围下参数估计值进行分析探讨。结果表明:改进粒子群算法估计结果相对误差(7.3%和4.5%)小于其他方法,且目标函数值相对更小,达到0.335×10~(-5);对于不同初始参数范围,利用此算法均能达到满意结果且寻优率高。基于抽水试验数据估计含水层参数的改进粒子群优化算法计算结果有效且可靠,算法收敛速度快,寻优能力强,稳定性好。     

不同工况下梯级土石坝溃决模型对比研究

对不同工况下的梯级土石坝的连续溃决模型进行研究有重要意义。通过对6种土石坝溃决模型进行对比研究,总结各模型所应用案例的具体特点以及机理特性。对溃坝案例进行数值模拟,得出计算的参数指标与实际值的误差,对影响溃坝问题的各种参数进行了分析。研究结果对梯级土石坝溃决模型选择具有一定应用价值。     

基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例

观音岩水电站混合坝在竣工后发生了较大的流变变形,导致土石坝坝段在蓄水一个月后出现了裂缝。为分析坝体裂缝产生的原因,采用并行变异粒子群算法,根据观音岩混合坝竣工后的坝体沉降观测数据反演了筑坝堆石料和心墙料的流变参数。进一步根据反演参数进行了坝体的三维有限元计算,分析和预测了大坝在蓄水期和运行期的变形特性。结果表明,较大的蓄水期不均匀沉降及较大的坝体流变变形是坝体产生裂缝的主要原因。     

坝基液化条件下土石坝二维拟静力法抗剪参数的简化算法

在对比水电规范和建筑规范中地震液化判断方法异同的基础上,分析坝基液化条件土石坝拟静力法计算抗滑稳定的边界条件;进一步对地基中存在可液化土的土石坝的二维拟静力法参数选取时,如何考虑超静孔隙水压力影响,提出了基于三维动力计算成果的3种分析计算方法,文章推荐了其中2种简化算法,可直接应用已成软件进行计算,具有简单有效、实用性强的特点,并在工程实例中进行了验证。     

基于SMPSO-SVM的土石坝运行期渗流 监测模型的建立与运用

将SM算法嵌入PSO算法当中,在支持向量机模型上,建立关于土石坝安全运行的渗流监测模型(SMPSO-SVM),避免了SVM参数的随意选择性。与其它监测模型相比, SMPSO-SVM引入影响因子更少,大大降低了计算的复杂程度,且拟合预测的精度较高,计算过程更加稳定;模型运用到实际土石坝工程的渗流监测中,取得了不错的分析效果,可为类似土石坝的渗流安全监测提供新的方法和手段。     

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。     

基于改进鲸鱼优化算法的重力坝变形参数反演

针对利用位移实测资料对大坝坝体和基岩的变形力学参数进行优化反演时存在效率低、精度差等问题,通过对鲸鱼优化算法进行并行化改进,并引入权重因子,结合有限元计算,提出一种基于改进鲸鱼优化算法的力学参数反演方法。利用该方法对某混凝土重力坝坝体和基岩弹性模量进行反演,并与粒子群算法的反演结果进行比较。结果表明:在相同迭代次数的情况下,改进的鲸鱼优化算法比粒子群算法耗时更少,且反演得到的坝体、基岩力学参数比粒子群算法得到的更为准确。表明利用多核处理器对该方法进行并行计算,可大幅度缩短计算时间。基于改进鲸鱼优化算法的力学参数反演方法具有搜索能力强、收敛速度快和精度高等特点,合理可行,可推广应用于混凝土拱坝等其他坝型的力学参数反演。     

基于改进粒子群优化算法的施工期拱坝结构性态反演分析

针对施工期拱坝坝体变形的特点,建立了施工期拱坝坝体变形特殊安全监控模型,对坝体变形中的水压分量进行提取。采用改进的粒子群优化算法对拱坝反问题最优控制解模型进行优化计算,以此完成施工期拱坝结构性态的反演分析。以某拱坝为例,对该拱坝施工期的结构性态进行反演分析。结果表明,坝体变形反演的相对误差均在2%以内,由此验证了所提出方法的可行性。     

异构多种群粒子群优化算法在水位流量关系拟合中的应用

通过8个复杂函数对一种异构多种群粒子群优化算法进行仿真验证,并与传统单种群粒子群优化算法进行对比。针对水位流量关系拟合中相关参数难以确定的不足,利用异构多种群粒子群优化算法优化水位流量关系相关参数,以云南省龙潭站、西洋站水位流量关系拟合为例进行实例研究,并与粒子群优化算法、最小二乘法拟合结果进行对比。结果表明:异构多种群粒子群优化算法收敛精度远远优于粒子群优化算法,具有较好的计算鲁棒性和全局寻优能力。该算法对龙潭站和西洋站水位流量关系拟合的平均相对误差绝对值分别仅为0.27%和0.50%,拟合精度优于粒子群优化算法和最小二乘法。利用异构多种群粒子群优化算法优化水位流量关系可以获得更好的拟合效果。     

基于土料参数时变特性的土石坝渗透破坏概率动态分析方法

为更真实地反映土石坝渗透破坏发展的随机与时变特性,采用干湿循环土工试验与渗透系数反演等手段,从土料参数变异性及时变性角度来表征土石坝动态渗透破坏概率。将RBF神经网络和LHS法相融合对随机抽样方法进行改进,克服了传统Monte Carlo随机抽样法计算量过大的缺陷,对比证明了该改进方法的准确性与高效性。将该改进方法应用于某土石坝渗透破坏概率动态分析,计算结果表明,该土石坝渗透破坏概率总体较高并呈现逐年增大趋势,需要进行除险加固处理。     

混凝土温度场反分析典型算法对比研究

本文引入模拟退火法,遗传算法和微粒群算法等三种常见的反分析算法,结合混凝土三维不稳定温度场的仿真计算理论,编制了相应的Fortran程序,并通过实例对这三种算法的可靠性和计算精度及效率进行了验证和对比。结果表明,微粒群算法反演效果最佳,模拟退火法反演精度最低。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

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。