综合改进的遗传算法反演三维地下水流模型参数

在简单的遗传算法的基础上，提出了一种综合改进的遗传算法，在反演地下水水流参数时，具有收敛速度快、解的精度高和避免出现早熟等优点。以非均质各向同性承压三维非稳定流动为理想模型，结合有限元法讨论了用遗传算法反演水文地质参数的过程。综合改进的遗传算法非常有效，在地下水渗流和水资源评价计算中有广阔的应用前景。     

基于地表移动矢量的概率积分法参数反演方法

为解决概率积分法参数反演时计算不稳定、初值依赖、优化指标难以选取、非矩形工作面,多工作面影响下难以反演的问题,提出采用地表空间移动矢量反演概率积分法参数的遗传算法模型。该模型采用地表移动矢量的误差平方和最小作为计算指标,以遗传算法作为参数优化的核心算法进行概率积分法参数反演。用空间移动矢量指标可以解决分别采用下沉、水平移动监测值反演结果不相同、精度难以估算的难题。矢量反演模型对观测站设置没有特别严格的要求,降低了设站不当引起的计算误差。为解决遗传算法多次计算结果不同的问题,建立了组合预测计算方法,依据中误差加权均值得到唯一的计算结果。基于矢量移动值的反演模型,避免了传统计算方法的多个缺陷,计算效率高、易于与已有开采沉陷预计程序结合,为解决非矩形、多工作面地表移动观测站参数反演的工程应用问题提供了新的解决思路和计算方法。     

遗传算法在水文地质参数反演中的应用

本文基于遗传算法 (GA)这一全局优化技术 ,以及地下水模拟的有限元模型 ,给出了地下水系统的反演方法。并应用到北京市应急水源地水文地质参数反演中 ,反演参数包括渗透系数和给水度 ,共 8个分区的 2 4个变量 ,来验证模拟模型的可用性、适用性和鲁棒性。结果表明 ,一般情况下 ,遗传算法可以得到比较满意的结果 ,考虑测量误差和减少观测孔个数的情况下也可以得到与“标准”值相近似的解。通过优化各个变量区间的加速遗传算法可以提高算法的收敛速度。GA在实际参数获得比较困难的情况下可成功用在区域含水层反演模拟中     

基于模式-遗传-神经网络的流变参数反演

介绍了一种岩石流变多参数反演的智能方法。该方法把遗传算法和神经网络有机结合起来,并在遗传算法中嵌入模式搜索加速优化进程;该方法基于均匀设计获得的样本进行神经网络学习,用模式–遗传–神经网络进行岩体流变参数的最优辩识。该方法用经过最佳预测学习算法训练的神经网络来表达岩体流变参数和位移之间的映射关系,除具有一般遗传算法的优点外,还提高了参数反演的精度,节省了参数反演的计算时间,使得某些原来用传统优化方法在时间上几乎无法进行的参数反演如今变为可能,并用工程实例验证了此方法的可行性与优越性。     

基于模式–遗传–神经网络的流变参数反演

介绍了一种岩石流变多参数反演的智能方法。该方法把遗传算法和神经网络有机结合起来，并在遗传算法中嵌入模式搜索加速优化进程；该方法基于均匀设计获得的样本进行神经网络学习，用模式–遗传–神经网络进行岩体流变参数的最优辩识。该方法用经过最佳预测学习算法训练的神经网络来表达岩体流变参数和位移之间的映射关系，除具有一般遗传算法的优点外，还提高了参数反演的精度，节省了参数反演的计算时间，使得某些原来用传统优化方法在时间上几乎无法进行的参数反演如今变为可能，并用工程实例验证了此方法的可行性与优越性。     

旁压试验反演邓肯-张模型参数方法研究

研究了联合室内模拟试验和现场旁压仪试验综合确定邓肯 -张E-B 模型有关参数的方法。内容包括 :①采用邓肯 -张E-B 模型和有限元方法 ,对旁压试验机理进行数值模拟 ;②研制采用阻尼最小二乘法非线性优化理论 ,依据实测旁压曲线 ,进行土体本构模型参数反演的方法和计算机程序 ;③在对模型各参数敏感性分析基础上 ,以室内试验结果为初值 ,对某工程地基覆盖层现场旁压试验实测曲线进行E-B 模型参数的反演分析。为实际工程的计算分析提供了更为可靠依据     

遗传—广义模式搜索方法反演瑞雷波频散曲线

介绍了遗传和广义模式搜索联合反演方法的基本原理,并通过建立速度递增型地质模型,对比分析了联合反演与遗传算法反演结果,指出联合反演方法反演瑞雷波频散曲线较遗传算法更优越,但也存在一定的局限性。     

岩石力学与工程综合集成智能反馈分析方法及应用

首先,给出岩石力学模型和参数综合智能反分析的几种新方法:岩石(体)力学参数的智能反演方法、岩石(体)本构模型的结构和参数耦合智能识别方法、岩石(体)力学参数的时空变异性反分析方法(即集合Kalman滤波和扩展Kalman滤波方法)、力学参数和模型可以不断更新的演化并行有限元反分析方法和基于模型的结构和参数智能识别的岩体工程安全性的综合集成智能分析方法。其中,岩石(体)力学参数的智能反演方法又包括4种,分别为均匀设计(或正交设计)–数值计算方法、粒子群(或遗传算法)–数值方法、均匀设计(或正交设计)–演化神经网络–数值方法–遗传算法(或粒子群)以及均匀设计(或正交设计)–演化支持向量机–并行数值方法–遗传算法(或粒子群)。然后,讨论智能反分析时应注意的待反演参数对监测物理量的敏感性、可以进行反演的参数个数以及模型和参数反演结果的适应性评价等问题。最后,给出这些智能反馈分析方法的工程综合应用概况。     

地下水渗流模型参数识别的模拟退火算法

反问题的求解常常需要转化为非线性优化问题，其目标函数定义为观测数据与模型数据之间的残差平方和。地下水模型参数识别最常用的优化方法都是基于梯度搜索，其缺陷在于对模型参数初始估计比较敏感和局部极小问题。与传统的基于梯度搜索的优化方法相比，模拟退火算法具有良好的全局收敛特性。把含水层参数识别反问题转化为组合优化问题，提出模拟退火算法识别二维、非稳态地下水流动模型的渗透系数和储水系数的策略。反问题的不适定性由解的不唯一性和不稳定性来表征，模拟退火算法具有解决这一问题的能力。通过与梯度搜索算法相对比，数值模拟计算结果显示所提出反演方法的有效性和适用性。     

基于混合遗传算法岩土抗剪指标参数识别方法

岩土边坡的稳定性取决于边坡的几何形状和岩土材料的抗剪指标参数。由于尺寸效应,根据实验室小尺寸试件获得的参数具有某些局限性,反分析方法为解决这一课题提供了新的途径。根据实验观测岩土边坡滑移面的形状参数,建立了应用混合遗传算法识别岩土材料的抗剪指标参数的方法。遗传算法的特点之一是不需要计算目标函数的导数。为了提高参数识别方法的有效性、收敛速度和鲁棒性,将梯度搜索方法和遗传算法有机地结合在一起,使得所建立的反演策略具有梯度搜索方法和遗传算法的各自特性。研究了观测信息的不确定性对参数反演结果的影响。通过一个数值算例对比,显示了所建立参数识别方法的实用性和有效性。     

神经网络遗传算法与混合波阻抗反演

神经网络算法可以建立属性参数与预测目标之间的高度非线性映射,遗传算法有选择适者生存的特点,神经网络算法与遗传算法构成的混合波阻抗反演具有精度更高,收敛速度更快的优势。本文简述了BP神经网络算法和遗传算法的基本原理,用理论模型比较了BP人工神经网络、遗传算法与混合波阻抗反演各自的特点,用实际地震资料检验了混合波阻抗反演的实用性。     

遗传算法与自适应粒子群算法耦合的大坝安全预警评价模型

改变应用最小二乘法求解大坝统计预警模型的传统方式,利用粒子群算法随机搜索的优化能力确定统计模型的回归系数。针对粒子群算法收敛速度较慢等问题,提出一种新的自适应策略,能够依据粒子个体和种群的优化信息,调整学习因子,并将该策略与遗传算法的交叉、变异算子相结合。通过工程算例表明,该方法具备较好的搜索多样解能力,自适应地调整粒子飞行的步长,提高了粒子群算法的收敛速度;基于该方法的大坝预警评价模型与最小二乘法、基本粒子群算法相比,数据挖掘能力强,预警评价结果与大坝的实际运行状态更加吻合,有效地提高了统计模型的预测精度。     

基于并行改进遗传算法的三维电阻率反演方法

计算效率极低是阻碍遗传算法用于三维电阻率反演的瓶颈,使得很多对改善反演效果和搜索质量有利但又很耗时的改进方法无法应用到遗传算法中。针对上述问题,基于遗传算法天然的并行计算特性,提出了新的多重主从并行计算策略及其算法。提出了初始群体的严格均布产生方法,以提高初始群体接近最优解的概率;提出了基于交叉个体适应度差异的比例随机算术交叉算法,以保证优良个体的遗传竞争优势;建立了混合变异算法,将传统的随机变异算法与线性反演中确定性搜索优化算法相结合,即保持了变异的随机性又控制了优化方向。最后将并行改进遗传算法用于合成算例和实际应用案例中,发现并行改进遗传算法的计算效率显著提高,且在寻找最优解、压制假异常、提高反演效果方面具有明显优势,为实际工程中电阻率探测的三维成像提供了有效途径。     

Application of evolutionary global optimization techniques in the design of RC water tanks

This paper presents evolutionary-based optimization procedures for designing conical reinforced concrete water tanks. The material cost of the tank that includes concrete, reinforcement, and formwork required for walls and floor was chosen as the objective function in the nonlinear optimization problem formulation. The wall thicknesses (at the bottom and at the top), base thickness, depth of water tank, and wall inclination were considered as design variables.Three advanced optimization techniques to solve the nonlinear constrained structural optimization problems were investigated. These methods are: (1) Shuffled Complex Evolution (SCE), (2) Simulated Annealing (SA) and Genetic Algorithm (GA). Several tests were performed to illustrate the robustness of these techniques and results were encouraging for SCE Method. The SCE method proved to be superior to the SA and GA methods in obtaining the best discovered solutions. The paper concludes that the robust search capability of SCE algorithm technique is well suited for solving the structural problem in hand.     

混合遗传算法在工程结构优化设计中的应用

根据工程实际 ,充分考虑规范规定的约束条件和各项技术标准要求 ,建立了建筑结构优化模型。并提出一种离散变量结构优化设计的斐波那契算法与标准遗传算法结合成混合遗传算法。优化设计结果表明 ,这种混合遗传算法既发挥了斐波那契算法省时、高效、局部搜索能力强的特点 ,又发挥了遗传算法全局性好的特点 ,是兼二者之长 ,弃二者之短的高效的理想的工程结构优化设计方法。     

基于改进GA-SVR算法的隧道工程三维弹塑性模型参数的智能辨识

将支持向量回归（SVR）算法引入岩土工程数值计算模型参数的辨识中可以充分发挥SVR算法的小样本、泛化性好和全局最优化的优点。但现阶段标准的SVR算法只能解决一维输出变量的回归问题，这就使其在反分析领域的应用受到限制。引入一种改进的SVR算法，这种算法通过将多维输出变量回归转化为多层标准一维输出变量回归来解决这个问题，并与十进制编码的遗传算法相结合，形成改进的GA-SVR算法，用遗传算法搜索最优的SVR模型参数以建立最优的待辨识参数与位移之间的非线性映射关系，然后用遗传算法进行待辨识参数的最优辨识。为对比这种改进GA-SVR算法的效果，将遗传算法与BP神经网络相结合，形成GA-BP算法且编制相应的计算程序。将这两种算法运用于同样的隧道工程三维弹塑性模型参数的智能辨识，数值算例表明改进的GA-SVR算法较GA-BP算法可以取得更高的辨识精度和更好的计算效率，可运用于类似岩土工程计算参数的辨识。     

基于v-SVR和MVPSO算法的边坡位移反分析方法及其应用

 针对传统粒子群算法存在搜索空间有限、容易陷入局部最优点的缺陷,通过引入迁徙算子和自适应变异算子,提出基于粒子迁徙和变异的粒子群优化(MVPSO)算法。基准测试函数结果表明,改进的MVPSO算法较传统的粒子群优化算法在收敛效率上有大幅度提高,在处理非线性、多峰值的复杂优化问题中能快速地搜索,得到全局最优解。应用改进的MVPSO算法搜索最佳的支持向量机(v-SVR)模型参数,建立岩体力学参数与岩体位移之间的非线性支持向量机模型,提高v-SVR的预测精度和推广泛化性。然后,利用v-SVR模型的外推预测替代耗时的FLAC正向计算,利用改进的MVPSO算法搜索岩体力学参数的最优组合,提出v-SVR和MVPSO相结合的边坡位移反分析方法(v-SVR-MVPSO算法),与传统的BP-GA算法和v-SVR-GA算法相比,该算法在反演精度和反演效率上均有较大幅度提高。最后,将本文发展的v-SVR-MVPSO算法应用到大岗山水电站右岸边坡岩体参数反演分析,并对边坡后续开挖位移和稳定性进行预测,取得较好的效果。     

GASA初始化对太阳辐射预测小波网络性能的改善

针对太阳辐射预测小波网络对初始参数过分依赖,易陷入局部最优的缺点,本文把遗传算法和模拟退火算法两种全局优化算法作适当改进并相融合,引入太阳辐射预测小波网络的初始化。在此基础上对澳门气象站的太阳逐日总辐射建立了遗传模拟退火(GASA)优化太阳逐日总辐射预测小波网络模型,编制了计算机程序,在建模中还应用遗传算法来确定隐含层小波基的个数。该模型输出精度较高,与未采用GASA初始化的情况相比,性能有较大改进。     

框架结构损伤识别的改进非线性直接解析法

考虑到直接解析法求解速度快和非线性直接解析法求解精度高的特点,提出一种用于结构损伤识别的混合迭代算法,该算法用二阶非线性的解析解作为算法的第一次迭代值,用一阶灵敏度方程的求解值对该算法的第一次迭代值进行关于泰勒级数截尾误差的修正。通过对一个空间框架结构进行数值模拟分析验证了该方法的可行性。结果表明,提出的混合迭代算法由于采用了精确度较高的二阶非线性解析解作为迭代修正的初值,因此,迭代修正精度更高,收敛性更好,而且大幅地减少了运算时间,尤其对于多损伤或者大损伤,本算法优势更加明显。