岩体初始地应力场计算模型自动生成与快速反演

对AutoCAD进行了面向对象二次开发,利用程序自动读取CAD地形图地面高程并快速生成反映地表起伏变化的三维有限元计算网格模型.采用三维非线性有限元反演回归分析计算方法,提出了三维应力侧压系数函数拟合法,通过三维有限元开挖模拟反演岩体初始地应力场.对蒲石河抽水蓄能电站地下厂房区域初始地应力场进行了反演回归分析,结果表明:实测点地应力拟合较好,该方法计算快速准确,较合理地反映了地形地貌对初始地应力场规律的影响.     

初始地应力场的灰色计算模型

本文简要介绍灰色系统理论,并将其应用于岩体初始地应力场分析.最后,给出两个实例,分别用本文的方法和概率回归分析法进行了比较。     

基于构造控制的地应力人工神经网络反演研究

在赵楼井田地质构造和地应力场研究的基础上,提出以构造指标优化人工神经网络(ANN)模型的建模方案.实测了井田地应力的大小和方位,结合有限元数值模拟分析了地应力场的分布特征.通过构建具有构造意义的输入指标:岩组相对强度(I),断层相对距离(D),建立了5×7×3结构的3层BP神经网络模型对地应力进行反演,并与不含构造指标的ANN模型进行对比.结果表明:输入层包含构造指标的ANN模型具有高效性、鲁棒性,反演结果的平均误差仅为4.8%～6.6%,精度较之于不含构造指标的ANN模型提高了1个数量级.在应用ANN反演地应力中,应当重视地质构造对地应力的控制作用,构建具有构造意义的输入指标是提高反演地应力效果的关键.     

丹江口库区初始地应力场的反演

根据丹江口库区的地质构造,考虑断裂破碎带和岩石力学参数随埋深变化,建立计算模型,反演分析了库区的初始地应力场,结果表明:1)库区地应力的临界深度在1km埋深附近;2)水平方向两个主应力,在埋深750m范围内X轴方向为主压应力,随埋深由13MPa增至23MPa,Y轴方向为主拉应力,随埋深由12MPa减至0,埋深750m以下两个坐标轴方向均为主压应力且随埋深增加;3)两个水平主应力差在埋深10km范围内随埋深基本呈线性增加,大约10km深处急剧减小,20km以外基本消失,岩体处于静水压力状态.     

双江口水电站初始地应力场反演回归分析

初始地应力是岩土工程设计与施工所要考虑的重要因素之一.根据双江口水电站工程区域实际地质条件以及实测地应力资料,建立了能够反映研究区地貌、岩体结构的地质模型.采用快速拉格朗日计算程序FLAC3D对建立的三维地质概化模型进行计算,在实测点地应力值与计算得到的应力值之间建立多元回归模型,通过多元回归分析,求出最优回归系数.通过实测点的计算应力值与现场实测值的比较,两者在量值上相当且方向上接近,表明经过回归得到的地应力场是合理的,为双江口水电站地下厂房的开挖模拟及长期稳定性分析提供了合理的三维初始地应力场.     

双江口水电站初始地应力场反演回归分析

初始地应力是岩土工程设计与施工所要考虑的重要因素之一.根据双江口水电站工程区域实际地质条件以及实测地应力资料,建立了能够反映研究区地貌、岩体结构的地质模型.采用快速拉格朗日计算程序FLAC3D对建立的三维地质概化模型进行计算,在实测点地应力值与计算得到的应力值之间建立多元回归模型,通过多元回归分析,求出最优回归系数.通过实测点的计算应力值与现场实测值的比较,两者在量值上相当且方向上接近,表明经过回归得到的地应力场是合理的,为双江口水电站地下厂房的开挖模拟及长期稳定性分析提供了合理的三维初始地应力场.     

基于遗传算法的GNA优化反演方法

遗传优化反演方法是工程反演计算的一个重要发展方向,但是由于算法自身的局限性,导致基于单纯遗传算法的优化反演技术难以推广应用.在深入分析遗传算法特性的基础上,指出其相应的不足之处;基于此,引入神经网络算法与模拟退火算法,有机融合3种算法,扬长避短,提出了基于遗传操作的GNA优化反演新算法;算例表明,提出的融合优化反演方法计算效率高、计算精度可靠.     

基于有限元数学模型的隧道围岩初始地应力场反演

由于初始地应力场的分布是影响隧道围岩稳定性的重要因素之一,得合理有效地模拟地应力场的分布在隧道工程中的应用显的尤为重要.本文根据地应力实测数据和有限元数学模型,提出了区域构造应变回归分析方法.在此基础上结合工程实例,运用构造应变同归分析和当前应用广泛的边界应力同归分析两种方法模拟了隧道围岩的地应力场的分布,并对两种方法...     

用遗传算法优化神经网络初始权重的方法

基于遗传算法的全局搜索和BP网络局部精确搜索的特性,通过采用遗传算法优化网络初始权重的方法,将遗传算法和BP算法有机结合,做到了优势互补,并在提高洪水智能预报精度,特别是提高洪峰预报精度的研究中得到了很好的应用。在珠江流域西江洪水预报系统中,以历史水文资料进行检验的结果表明,洪峰时段的预报精度明显高于平水期的预报精度,证明了这种方法的有效性和可靠性。     

浅埋岩体隧洞初始地应力场位移反分析方法研究

对于隧洞开挖数值计算问题,能否合理的模拟初始地应力场是技术关键.由于在浅埋岩体隧洞数值计算过程中,初始地应力场控制隧洞围岩变形规律,岩体力学参数控制围岩变形大小.根据初始地应力场的数值计算方法,假设垂直方向的初始地应力为岩体自重,在考虑两个水平方向的初始地应力不相等基础上,提出了以开挖相对位移比例和开挖相对位移增量比例为对象的浅埋隧洞初始地应力场反分析方法,并且通过-简单隧洞反分析实例,说明了该方法简单易行、结果合理,符合工程实际.     

基于GA的BP网络模型在水文计算中的应用

分析了BP神经网络的缺陷和遗传算法GA的特点,在对BP网络模型进行多方面改进的基础上,提出了基于GA的BP网络模型算法,该算法利用遗传算法全局寻优能力强的特点,可克服神经网络易陷入局部极小、收敛速度慢的缺陷.研究表明,基于GA的BP神经网络模型用于水文计算是有效可行的,该算法具有广泛的应用前景.     

基于遗传算法的WANN的汽车发动机故障诊断分析

利用基于遗传算法的全局优化能力,小波分析具有数据压缩和特征提取的特性,神经网络具有非线性映射和学习推理的优点.结合三者的特点,提出了一种基于遗传算法、小波与神经网络的汽车发动机故障诊断方法,应用汽车发动机的故障数据作为实例验证,GA-WANN模型诊断速度快,鲁棒性好,故障诊断正确率高.     

人工神经网络在水工结构优化中的应用

采用人工神经网络方法 ,为水工结构优化提供初始方案 .通过典型的混凝土重力坝断面优化的例子 ,说明该方法能形成很好的初始方案 ,并容易推广到其他结构优化中     

水文预报的神经网络模式分类预报方法

基于时间序列的相空间扩维思想,利用神经网络的感知器分类原理,提出一种水文预报方法.直接从水文单因素时间序列滑动生成多维空间的一个相型分布中寻求水文现象变化的规律.并利用湖北省宜昌市沮漳河洪水资料对该方法做了初步验证.     

Application of hybrid coded genetic algorithm in fuzzy neural network controller

0　ＩＮＴＲＯＤＵＣＴＩＯＮＧｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ (ＧＡ)ｗａｓｆｉｒｓｔｌｙｐｒｏｐｏｓｅｄｂｙＪｏｈｎＨ .Ｈｏｌｌａｎｄ ,ａｐｒｏｆｅｓｓｏｒｏｆｐｓｙｃｈｏｌｏｇｙａｎｄｅｌｅｃｔｒｉｃａｌｅｎｇｉ ｎｅｅｒｉｎｇ＆ｃｏｍｐｕｔｅｒｓｃｉｅｎｃｅ ,ａｔｔｈｅｂｅｇｉｎｎｉｎｇｏｆ 1970 ,ａｎｄｗａｓｉｎｔｒｏｄｕｃｅｄｉｎｔｈｅＨｏｌｌａｎｄ’ｓｍｏｎｏｇｒａｐｈｉｎ1975[1] .ＩｔｉｓａｓｔｏｃｈａｓｔｉｃｓｅａｒｃｈｉｎｇａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎＤａｒｗｉｎ’ｓｅｖｏｌｕｔ…     

基于遗传算法与神经网络相结合的区域水资源承载力综合评价

在遗传算法与误差反向传播网络（BP网络）结构相结合的基础上，提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法，将该方法应用于淮河流域水资源承载力综合评价，实例表明是可行的，为水资源承载力定量分析开辟了新的途径．     

基于遗传算法与神经网络相结合的区域水资源承载力综合评价

在遗传算法与误差反向传播网络（BP网络）结构相结合的基础上,提出了利用改进的遗传算法优化神经网络进行水资源承载力综合评价的新方法,将该方法应用于淮河流域水资源承载力综合评价,实例表明是可行的,为水资源承载力定量分析开辟了新的途径.     

基于鱼群算法和Ｈｏｐｆｉｅｌｄ网络的ＰＩＤ参数寻优

提出1种融合了人工鱼群算法与Hopfield神经网络的PID参数优化算法．该算法前期利用鱼群算法快速随机的群体性全局搜索能力生成问题较优的可行解域,后期利用Hopfield神经网络硬件易实现简单快速的优点得到最优解,有效弥补了Hovfield网络对初始值过于依赖容易陷入局部极值的缺陷．将该算法用于某发动机PID控制中的参数寻优,结果表明新混合算法的整定效果好于Hopfield神经网络,且该算法简单易实现．     

DBD演算法BP神经网络水质综合模拟研究

建立水质模型对水体水质的变化进行模拟是一条有效的途径。由于污染物之间的相互作用以及水环境中物理、化学、生物、水力特征的高度非线性耦合，对其了解是有限的，致使传统的微分方程建模方法和数值求解在应用中遇到许多困难。本文采用BP人工神经网络进行河流综合水质模型的建模，为了加强模型的收敛速度采用学习速率自适应的DBD演算法，通过应用长江干流重庆段实测水质样本对模型进行的训练与检验表明：该模型用于一维水质综合模拟可行，且精度较高，为河流水质模拟提供了一条简便可行的新方法。     

基于遗传算法的小波神经网络交通流预测

城市交通流的运行存在着高度的复杂性、时变性和随机性，实时准确的交通流预测是智能交通系统，特别是先进的交通管理系统与先进的出行者信息系统研究的关键．基于交通流预测的特点，给出了基于遗传算法的小波神经网络的交通预测模型GA-WNN，用具有自然进化规律的遗传算法来对小波神经网络的连接权值和伸缩平移尺度进行前期优化训练，部分代替了小波框架神经网络中按单一梯度方向进行参数优化的梯度下降法，克服了单一梯度下降法易陷入局部极小和引起振荡效应等缺陷．仿真实验验证了GA-WNN预测模型对短时交通流的预测的有效性．