基于支持向量机和模拟退火算法的位移反分析

提出了一种基于支持向量机和模拟退火算法的位移反分析方法,一方面用支持向量机代替有限元计算提高计算分析速度,另一方面用模拟退火算法代替传统的优化算法,避免优化过程中目标函数陷入局部极小值而无法继续寻优的状态,从而提高反演的效率精度。应用该方法对边坡的岩体力学参数进行反演,反演结果验证了模型的可行性。     

基于最小二乘支持向量机的大坝力学参数反演

针对大坝力学参数和坝体位移间复杂的非线性关系,将最小二乘支持向量机应用于大坝力学参数的位移反演中。首先利用有限元模型得到最小二乘支持向量机的训练样本,建立坝体位移水压分量相对值和力学参数间复杂的非线性关系,同时利用偏最小二乘回归模型分离出实测坝体位移的水压分量相对值,并将其输入到训练好的最小二乘支持向量机模型,即可得到大坝力学参数的反演值。以某混凝土重力拱坝为例,采用最小二乘支持向量机反演了坝体弹性模量、岩体变形模量以及主要断层的弹性模量,经过比较分析发现,该方法是可行的。     

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。     

位移反分析的进化支持向量机研究

将支持向量机与遗传算法相结合，提出了一种用于位移反分析的进化支持向量机方法。这种方法基于试验设计和有限元计算获得学习样本和检验样本，用遗传算法搜索最优的支持向量机参数，用获得的最优模型进行学习，从而获得岩体的力学参数与位移之间的非线性映射关系，再用遗传算法从全局空间上搜索，进行岩体力学参数的识别。给出的两个算例结果是令人满意的。     

大型地下洞室围岩体蠕变参数位移反分析研究

工程岩体蠕变参数的反演是大型地下工程围岩体稳定性分析中的一项重要研究内容.以锦屏二级水电站地下厂房为研究背景,根据现场施工得到的动态监测资料,通过建立能反映实际施工开挖顺序的计算力学模型,采用精确罚函数法以及Nelder-Mead优化算法相结合的有限元位移反分析计算程序,对地下厂房围岩体蠕变参数进行反演研究.结果表明:反演位移值与现场实测值非常接近,绝大部分反演结果与实测值误差均在8%以内,反演结果较为理想;并得到了围岩体开挖蠕变后的合理应力变形特征.研究成果为地下洞室群的长期稳定性和可靠性研究提供理论依据.     

基于边坡位移监测数据的进化支持向量机预测模型研究

支持向量机方法是基于统计学习理论和结构风险最小化原则的学习方法,在回归预测方面具有良好外推能力,并且适合小样本的统计学习问题。建立支持向量机预测模型,对边坡位移进行预测计算,将预测值和实测值对比分析,验证了支持向量机预测模型较强的外推能力和预测计算的有效性。通过对边坡位移初始时序位移数据进行灰色理论的累加生成和累减生成处理,形成新的时间序列数据,在此基础上,计算出预测值,并与基于初始时间序列的支持向量机预测结果对比分析,基于新生成的时间序列数据进行预测计算结果精度明显提高。基于边坡位移监测数据构建训练样本数据集,研究了训练样本数据集的选取对预测结果的影响。对支持向量机预测模型的关键参数进行敏感度分析,并采用进化算法–微粒群算法对支持向量机模型参数加以优化,提高了预测精度。     

基于位移和松弛深度的岩体参数概率反分析方法

鉴于目前工程中含多目标变量多参数输出的概率反分析方法匮乏,在改进多输出支持向量机算法(MSVM)的基础上,建立基于贝叶斯理论(Bayes)的概率反分析方法(B-MSVM方法)。该方法通过改进支持向量机算法形成多个岩体参数与多目标变量之间的映射关系,以分步开挖引起的典型测点的松弛深度和表层变形监测信息为输入,以边坡岩体多个力学参数为待反分析输出,通过选择合适的核函数在改进的支持向量机算法中运算,获得多次开挖条件下待反分析参数的取值及其不确定性动态表征。应用该方法对白鹤滩水电站坝基边坡的力学参数进行反分析,得到10个非相关参数的取值及其不确定性分布,用反分析的参数值计算相应开挖步下边坡典型测点的位移和松弛深度,并与实测值进行对比,结果表明该方法的正确性,并初步讨论本方法在相关参数反分析计算中的应用思路。研究成果为岩土工程参数概率反分析方法的建立提供了思路,具有重要的理论意义和工程实用价值。     

大岗山地下厂房洞室群围岩力学参数的动态反演与开挖稳定性分析研究

岩体力学参数是影响地下工程围岩稳定的重要因素,随着地下洞室开挖进度的发展,岩体力学参数将产生明显变化。为实时反映开挖过程中围岩的力学参数变化,建立正交试验设计效应优化位移反分析法,应用该方法对大岗山水电站地下厂房洞群分步开挖过程中围岩的力学参数进行实时动态反演。利用动态反演的力学参数对各开挖层围岩进行稳定性分析,揭示出洞群开挖过程中围岩位移场、应力场和塑性区的变化规律,反演计算位移值与实测位移值吻合较好。根据分步开挖计算结果,提出地下厂房洞室群的加固处理建议,并及时反馈给设计单位,实时指导和优化工程的设计与施工。     

基于进化—支持向量机的地下洞室可靠性分析

将地下洞室围岩测线的相对位移值及相对位移极限值分别作为施与结构的应力和结构自身强度,从而构造地下洞室可靠性分析的功能函数显式表达式。使用数值方法计算符合概型分布的不同岩体物理力学参数条件下的相对位移值并将其作为训练样本,采用遗传算法优化支持向量机的惩罚因子及核参数,用优化得到的支持向量机进行相对位移值的预测,最后利用系统可靠度理论及网络概率估算技术(PNET法)求解地下洞室开挖可靠度。以锦屏一级水电站主变室为例,尝试采用上述方法对各层开挖的可靠性进行分析,结果表明:第一层开挖可靠度最低,随着开挖的进行,系统可靠度逐渐升高,最终趋于一个稳定状态。     

优化方法在弹性、横观各向同性以及弹塑性围岩变形观测反分析中的应用

本文采用四种最优化方法对地下工程围岩的岩体力学参数和初始地应力进行了优化位移反分析研究工作,编制了一套平面问题直接算法有限元程序,能解决弹性、横观各向同性及弹塑性等多种岩体互层的复杂围岩的优化位移反分析问题。结合两个工程实例进行了计算,结果是令人满意的。     

基于微粒群优化的智能位移反分析研究

优化技术是影响反分析精度和效率的重要因素,将微粒群优化技术与支持向量机技术结合,提出了一种新的智能位移反分析方法。该方法利用了支持向量表达非线性关系方面的优良特性,可以避免大量的数值计算,同时充分利用微粒群的全局优化、收敛速度快的优点。将提出的方法应用到具体的算例中,比较表明,本方法是一种科学、可行、收敛快、精度高的优秀算法。     

位移时序预测的APSO-WLSSVM模型及应用研究

引入改进的粒子群算法对小波核函数最小二乘支持向量机进行优化,提出了位移时间序列预测的改进粒子群优化小波最小二乘支持向量机预测模型(APSO-WLSSVM)。该模型具有小波变换的良好时、频域分辨能力和支持向量机的非线性学习能力;同时利用粒子群算法优化小波最小二乘支持向量机的参数,避免了人为选择参数的盲目性,从而提高了模型的预测精度。为证明该模型的优越性,将该模型与传统的高斯核函数支持向量机模型的预测结果作了对比,结果表明该模型较传统方法预测精度有了明显提高。最后将该模型用于锦屏一级水电站左岸边坡和导流洞进行变形预测,预测结果表明该方法科学可靠,在岩土体位移时序预测中具有良好的实际应用价值。     

滑坡综合集成智能分析方法研究进展

本文综合课题组在滑坡方面的研究,以具体的滑坡工程为实例,详细介绍了滑坡现场监测、基于GIS的滑坡三维可视化、综合集成智能滑坡分析方法,包括滑坡变形预测的进化支持向量机建模、加固方案优化设计的进化神经网络-数值方法、基于动态聚类的进化神经网络危险性分区、滑体参数反演的进化支持向量机-有限元方法、滑动面搜索的免疫连续蚁群-极限平衡分析、滑动面参教反演的粒子群优化算法等。结果表明,所提出的滑坡研究综合集成智能分析方法是适用、科学和合理的。     

非线性位移时间序列预测的进化-支持向量机方法及应用

提出了一种新的岩土结构位移预测的进化支持向量机方法,用遗传算法来搜索支持向量机的参数和核函数,避免了人为选择参数的盲目性,同时提高了支持向量机的推广预测能力;利用这种非线性智能预测方法,滚动预测施工位移变形量,以便及时调整和优化施工步序,维护岩土结构的稳定性。将该方法用于卧龙寺边坡变形、三峡永船闸边坡变形预测,结果表明,该方法具有科学可靠、实时性的优点,具有广泛的应用前景。     

滑坡的综合集成智能分析与优化设计方法研究

鉴于滑坡是多因素相互影响的高度非线性力学问题，智能、全局优化以及确定性力学分析方法的综合集成是很有吸引力的。总结了关于滑坡的监测、智能预测、分析与优化设计等方面的最新进展，包括综合集成智能分析与优化设计方法学、位移-时间序列建模的进化支持向量机、滑体参数反演的进化支持向量机-有限元方法、加固方案优化设计的演化神经网络-数值方法以及这些方法在高速公路滑坡(如福建八尺门滑坡、襄十滑坡)和三峡库区滑坡的应用研究成果。结果表明，所提出的综合集成智能分析与优化设计方法是科学合理的。最后还讨论了今后一段时间内的研究发展方向。     

弱震情况下高土石坝坝料动力参数反演分析

通过传递函数结合黏弹性人工边界模型实现了三维河谷地形下地震动的输入问题,不仅考虑了坝基相互作用和地基辐射阻尼的影响,而且较好地考虑了河谷地形的影响,保证了大坝动力计算的地震动输入的合理性。然后利用多输出支持向量机代替有限元计算,需要的样本数量相对较小,并且避免了传统单一支持向量机容易忽略监测数据间的相关性的问题,精度满足计算的要求,最后利用粒子群优化算法对反演参数进行优化选择。对糯扎渡心墙堆石坝动力参数的反演结果表明,测点加速度与实测值吻合较好。说明提出的方法是可行的,适用于弱震情况,可以为缺乏强震或震害资料的坝体动参数反演提供依据。最大动剪切模量系数C值与三轴试验方法和缩尺效应等有关,反演得到的堆石料最大剪切模量系数C值比室内动三轴试验值偏大,可以为室内试验值修正提供参考;并且由于受到上游蓄水的原因,反演得到上游堆石料最大动剪模量系数C值又比下游堆石料小40%左右,工程应用时室内试验值建议予以适当的修正。     

基于进化支持向量机的单桩竖向极限承载力的预测

通过将改进遗传算法与支持向量机相结合,建立一种用于单桩竖向极限承载力预测的进化支持向量机模型。这种方法基于实测数据,利用遗传算法搜索最优的支持向量机参数,用获得的最优模型进行学习,从而得到泛化能力更好的预测模型。结果表明,该算法可以有效地解决支持向量机的参数确定问题,给出的算例结果是令人满意的。