基于机器学习的土体压缩模量预测及一维基础沉降应用（英文）

目的:土体压缩模量是影响岩土体结构变形的重要参数之一。本文旨在通过机器学习的方法实现对压缩模量的预测,并通过构建一个机器学习模型,得到塑限、液限、塑性指数、液性指数、比贯入阻力以及埋深这6个输入参数与压缩模量预测值之间的关系。创新点:1.构建一个机器学习算法框架以实现对土体压缩模量的预测;2.此框架包括梯度提升回归树(GBRT)和遗传算法(GA),并采用GA对GBRT超参数进行获取。方法:1.通过收集整理工程报告获取本次预测的数据集(样本211个);输入参数有6个,分别为塑限、液限、塑性指数、液性指数、比贯入阻力以及埋深;输出参数为压缩模量。2.采用GBRT算法识别输入变量与目标响应之间的非线性规律,并采用GA调整GBRT模型的超参数。3.模型训练完成后,对压缩模量进行预测。4.将测试集上的预测结果和传统方法进行对比分析并应用到一维基础沉降中。结论:1.本文提出的GA-GBRT模型可以较好地实现对土体压缩模量的预测;GA可以对GBRT算法的超参数进行有效标定。2.训练后的GA-GBRT模型在训练集和测试集上都表现良好;在训练集和测试集上的相关系数R值分别为0.82和0.91,说明模型可以对压缩模量进行准确预测。3.对输入变量相对重要性的研究发现,液性指标是本研究中最重要的变量,其重要性得分为0.313(总数为1);其他指标的重要性排序依次为:液限、塑限、塑性指数、比贯入阻力和埋深。4.对于地基沉降的预测,本文提出的模型在相关系数R值和Mann-Whitney检验结果上均优于经验公式。5.本文提出的GA-GBRT模型可以更经济、更快速地预测土壤压缩模量。     

通过新型轻量化参数优化方法比较激光选区熔化部件设计的不同细胞结构（英文）

目的:1.提出一种在外型不变的部件内模拟不同细胞结构的方法;2.发展激光选区熔化(SLM)部件轻量化参数设计的新方法;3.利用这一方案实现优化设计并比较不同细胞结构的质量。创新点:1.提出基于拉丁超立方实验设计、遗传算法、克里金元模型和有限元方法的轻量化优化方案;2.该方法可通过较少的采样获得良好的结果并能克服几何奇点(内部网格细化算法)的问题。方法:1.进行内部细胞结构的生成和参数化;2.根据输入数据(设计变量和约束条件等)采用拉丁超立方实验设计模拟所选样本;3.利用先前的数据创建克里金元模型并利用预测的元模型来计算遗传算法演化过程中的适应函数;4.将模拟实现的优化结果添加到数据中更新元模型,并通过数次重复迭代提高元模型的准确度直至误差小于5%;5.将这一概念应用于不同的几何结构,然后通过SLM加工制造优化后的几何结构,并在弯曲载荷下进行测试。结论:1.该优化算法通过适当的参数化克服了SLM技术的相关限制,可适用于SLM部件的优化;2.立方单元格在计算机辅助设计定义、参数化和时间优化等方面有一些优势,但和有限元分析的估计结果相比,其存在的缺乏坚实支撑的水平条(悬挂结构)会造成机械性能损失;3.将立方单元结构与用户自定义的参数化增强相结合可以得到更有效的设计结果(更高的比刚度),但更多的设计变量也延长了所需要的优化时间。     

上位效应对遗传算法可靠性的影响（英文）

目的:探讨遗传算法的局限性和实用性,并分析基于相互作用产生的上位效应对遗传算法可靠性的影响。创新点:1.指出遗传算法缺陷的根源;2.基于测试样本函数定义目标函数,以判断遗传算法的适用性。方法:1.基于非上位效应函数(表1)和上位效应函数(表2),以及非上位效应函数F4和上位效应函数F6的结构图来验证遗传算法可靠性;2.通过计算样本函数(公式(1))和遗传算法流程(图3)表达遗传算法的工作原理。3.利用克洛弗函数(公式(2))和计算不同结构角下的函数分布(图4),进一步判断匹配度(表3)和计算效率(表4);定义新的目标函数(公式(9))和一组新的变量(公式(10))来实现变量相关性解离。结论:1.对当前遗传算法存在的不足给出了独到见解,并认为正定性的假设并非可以保证遗传算法实际的有效性和优化性。2.定义成本代价函数用以判断遗传算法可靠性,并分别考虑上位性和非上位性效应两种情形。当成本代价函数在非上位性效应下时,遗传算法是有效的;否则,可以把N维函数降级为N个一维函数,从而采用更简单的算法来判断。基于一些通用的基准,进一步设计三类样本函数来证实以上判断,且这些样本函数适合于上位性效应情形和非上位效应情形。3.遗传算法的瓶颈在于主算子和相干匹配性;可以通过破坏某些结构来实现变量关系的解离,从而抑制相干匹配性对遗传算法的影响。希望相关读者在处理实际优化问题时能验证作者关于上位效应的定性结论,并给出更可靠的方法来表征这种效应。     

基于实时监控的碾压混凝土坝施工仿真（英文）

目的:碾压混凝土坝施工过程中施工仿真参数会随着施工现场环境变化而变化。本文探讨实时监控方法获取的施工信息对施工进度仿真的影响,研究碾压混凝土坝施工仿真参数自适应更新方法,提高施工仿真的精度。创新点:1.通过碾压混凝土坝施工信息实时获取技术,分析计算碾压混凝土坝施工仿真参数;2.利用贝叶斯更新技术对施工仿真参数进行更新;3.利用模糊均生函数对坝区短期降雨量进行预测;4.建立基于实时监控的碾压混凝土坝施工仿真模型,对碾压混凝土坝施工过程进行仿真并与实际施工进度对比。方法:1.通过实地采集,获取碾压混凝土坝施工过程中实时施工信息(图2);2.通过理论推导,构建施工仿真参数先验分布均值和方差与后验分布均值和方差之间的关系,得到施工仿真参数更新方案(公式(16)和(17));3.通过理论推导,利用已知坝区降雨量数据预测未来短期内的降雨情况(图5);4.通过仿真模拟,得到施工仿真参数更新后的仿真成果并将其与实际施工进行对比,验证本方法的有效性和准确性。结论:1.施工仿真参数的准确性对碾压混凝土坝施工仿真结果准确性有很大影响;2.可以利用贝叶斯更新技术对施工仿真中的仿真参数进行更新,利用模糊均生函数对坝区短时期内降雨量进行预测;3.运用基于实时监控的碾压混凝土坝施工仿真方法对碾压混凝土坝施工过程进行仿真,仿真结果与实际施工进度之间的偏差明显减少,仿真准确性明显提高。     

基于数值计算方法的翼型参数化、建模与优化研究（英文）

目的:1.比较并改善翼型参数化方法,获得设计变量少、拟合精度高的参数化方法;2.在参数化的基础上利用数值模拟的方法获取翼型流场参数,优化并获得特定条件下升阻比最大的翼型。创新点:1.通过与多项式拟合方法的对比证明了类别/形状函数转换(CST)法在翼型拟合方面的优越性,并通过调整控制点分布,在不增加设计变量的基础上改善了CST方法;2.通过建立响应面模型,利用多岛遗传算法与非线性序列二次规划法相结合的方式获得了更好的翼型优化效果。方法:1.利用修饰后的CST法对翼型进行参数化拟合与设计,并通过与二项式拟合法比较来验证其优越性;2.通过数值方法对翼型周围流场进行计算并与实验结果对比,获得精确计算气动参数的仿真条件;3.通过拉丁超立方采样获得设计变量,建立设计变量与翼型升阻比之间的响应面模型,通过多岛遗传算法与非线性序列二次规划法的结合和优化,得到一定条件下升阻比最大的翼型。结论:1.CST法是一种优秀的参数化方法,本文的优化改善了形状函数控制点选取法则,使其对翼型头部和尾部的描述更加精确;与多项式相比,CST法可以通过更少的设计变量得到更高的拟合精度。2.基于多岛遗传算法的非线性序列二次规划法在本文中用以优化翼型使其具有更高升阻比。优化前后翼型的比较显示,两种优化方法的结合可以得到比单独使用各优化方法更好的结果。     

配电系统短路电流峰值灰色预测模型优化

低压配电系统全局选择性保护对短路电流峰值预测提出了实时快速性特殊要求,以灰色预测理论为依据建立适合短路电流数据特征的传统预测模式的灰色预测模型存在理论上的缺陷,影响预测精确度。为此,在对传统灰色预测不足进行分析的基础上,通过调整初始迭代点,引入递推结构,选择合适的修正因子等方法对模型结构进行拓展,以相对误差均值最小为原则的目标函数动态选择参数,进一步优化灰色模型,将优化后的模型应用于低压配电系统,可实现短路电流峰值的快速、高精度预测。     

改进的三级遗传算法定制片上网络拓扑仿真

针对G.Leary的3级遗传算法的遗传个体数量巨大,仿真速度慢的不足,提出了一种改进的3级遗传算法,从第1级路由器选择级数据结构,第2级节点/路由器映射级数据结构,第3级路由器/路由器映射级别数据结构来改进3级GA的拓扑结构优化技术。实验结果表明,改进算法虽然在能耗方面改进不大,仅有3.74%,但是仿真时间却有较大的减少,由309.125 s减少至254.2 s,平均提高17.4%,因此新的GA算法具有较好的实用价值。     

基于改进的径向基函数神经网络水泥强度预测方法

通过将遗传算法应用于径向基函数神经网络参数设计中,提出一种基于遗传算法优化的径向基函数神经网络水泥强度值预测模型,实现径向基函数神经网络隐层节点函数的中心矢量、基宽向量和隐层与输出层之间权值的优化设计.以经归一化处理后的输入样本数据为模型输入,以水泥28 d强度值为模型输出,建立经遗传算法优化后的径向基函数神经网络预测模型.仿真结果表明,优化后的径向基函数神经网络能达到较高的预测精度,可用于水泥强度的预测.     

基于动态模糊神经网络的淬火炉温度控制系统

大型淬火炉温度控制系统是复杂的非线性系统,很难建立其精确的数学模型,该文用动态模糊神经网络建立了淬火炉的智能温度控制系统,用基因长度可变的遗传算法(GA),自动调节模糊神经网络的权值和隶属函数的参数及推理规则数目,实现对隶属函数和推理规则的优化。实际应用结果表明,该方法能够提高淬火炉温度的控制精度,温度上升段,超调量小于4℃,保温阶段,温度变化范围在设定值的±2℃内,满足淬火炉对升温速度和恒温过程的精度要求。     

基于Matlab的概率积分法预计参数反演方法比较

预计参数反演是利用概率积分法预计煤矿开采后地表移动与变形的关键。总结分析了预计参数反演的最小二乘法、模式法和遗传算法,利用Matlab软件中的最优化算法工具箱,在缓倾斜煤层非充分开采条件下,对3种反演方法的计算结果进行比较。结果表明,最小二乘法计算结果准确性较好,但初始点选择不当会导致计算失败;模式法和遗传算法都无需计算函数的梯度信息,遗传算法的初值是种群,其计算结果比模式法更加准确;在各参数中,开采影响传播角θ的误差较大,通过采用遗传算法工具箱和fminbnd函数联合走向断面和倾向断面的数据进行反演,可以提高预计参数的准确性。     

基于观测响应的土体空间变异性表征：位移反分析应用（英文）

目的:由于现场勘察和室内土工试验数据的不足,因此土体空间变异性难以估计。通过间接方法如反演分析方法进行估算是一个有效的途径,而土体参数空间变异性概率反演估计的准确性受变异特性自身影响。本文旨在通过算例研究和模型试验验证,明确影响土体空间变异性反演准确性的关键因素,以期为岩土勘察测试工程实践提供参考。创新点:1.通过土坡空间变异性反演分析,揭示数据类型、变异系数、相关长度和协方差函数类型等对反演的影响;2.室内分层土模型试验验证表明,概率反演分析方法可有效地识别土体层厚和内摩擦角变异性。方法:1.通过边坡数值算例,研究位移监测数据类型、土体相关长度、弹性模量变异系数以及协方差函数对弹性模量空间变异性的位移反分析的影响(图5、6、9、11和12)。2.开展室内模型试验,利用粒子图像测试技术获取位移监测数据,对分层土体内摩擦角的变异性进行识别,并研究软弱夹层位置与厚度对反分析的影响(图14)。结论:1.水平位移比竖直位移更适合用于位移反分析。2.反分析精度在可接受范围内,且对于高变异性的情况(COV_E=1.5),误差不超过10%;此外,反分析精度还受协方差函数类型和相关长度的影响。3.反分析可识别出模型试验的土体分层,并且对内摩擦角的估计误差小于10%。     

一种基于深度神经网络的结构优化求解算法（英文）

目的:提出一种新的优化方法以解决结构优化问题。创新点:不是通过灵敏度分析来解决优化问题,而是利用深度学习神经网络的优势来寻找优化函数的最优值。方法:1.采用基于拉格朗日对偶和深度神经网络的方法。2.将输入数据用于训练神经网络,直到输出值与预测值非常接近为止。3.通过深度学习插值求解拉格朗日min-max对偶问题,从而找到最小输入值。结论:1.该方法可以解决结构优化问题,但它限制了设计变量输入的数量。2.该方法的准确性取决于输入的区间大小;因此,下一步工作是发展新方法以减少输入数据集的数量。     

含区间参数的不确定性结构直接可靠性设计优化（英文）

目的:为提高含区间参数不确定性结构的可靠性,提供一种基于区间模型的不确定性结构的高效可靠性设计优化方法。创新点:1.提出结构性能指标区间可靠度的统一计算公式;2.提出区间可靠度违反度的概念和基于区间可靠度违反度的优于关系准则;3.提出并实现区间可靠性优化模型的高效直接智能求解算法。方法:1.借鉴图表法并克服其局限,给出计算区间可靠度的统一公式(公式2);2.利用Kriging近似模型和内层遗传算法计算结构性能指标在不确定性参数影响下的变化区间,从而计算出区间可靠性优化模型中各结构性能指标的区间可靠度及其违反度;3.基于区间可靠度违反度的优于关系准则,通过外层遗传算法实现各结构设计矢量的直接优劣排序和区间可靠性优化模型的直接智能求解;4.通过典型算例(图3和4、表2)和工程应用实例(图8和9、表7)验证所提方法的有效性和相比间接求解方法的优越性。结论:1.考虑结构性能指标可靠性要求的不确定性结构区间可靠性设计优化模型能够有效反映实际工程中提高不确定结构可靠性的需求;2.引入区间可靠度违反度的概念和基于可靠度违反度的优于关系准则,利用嵌套遗传算法和Kriging近似模型可实现不确定性结构区间可靠性优化模型的直接高效智能求解;3.提出的区间可靠性优化模型直接求解方法能比间接方法获得更优的解。     

基于田口方法的带新型防振折流板和线圈的平行流换热器参数优化（英文）

目的:圆形折流杆管壳式换热器容易发生流体诱发振动,从而引起管束失效。本文旨在探索壳程采用正三角形截面的线圈和六边形防振折流板的平行流换热器的传热特性和传热强化机理。创新点:1.提出一种具有防振功能的带六边形折流板和正三角形截面螺旋线圈的平行流管壳式换热器;2.采用田口方法揭示几何参数对传热和流动性能的影响;3.以提高换热器的综合性能为目标函数,得出最优的几何参数组合。方法:1.采用数值模拟方法和田口方法,分析带六边形防振折流板和正三角形截面线圈的平行流换热器几何参数对传热流动特性的影响;2.综合对比分析速度、压力、温度和湍流场分布的影响,揭示传热强化机理。结论:1.得到了不同几何参数对传热和流动的影响程度;其中,线圈的节距对传热和流动的影响程度最大,而六边形夹持防振折流板厚度的影响最小。2.采用田口方法优化后的结构较原结构的综合性能提高0.19%～1.92%。     

基于DEM的沥青混凝土两点弯曲疲劳试验模拟分析（英文）

为了研究法国高模量沥青混凝土疲劳性能及Burger's模型参数与疲劳寿命之间的关系,在离散元软件PFC3D中建立了沥青混凝土锥棱柱两点疲劳弯曲试验的虚拟模型.计算了虚拟试件的初始刚度及达到疲劳时的最大接触应力,并与实测单次疲劳试验曲线对比,验证了用DEM模拟疲劳试验的可行性.然后研究端部位移及Burger's模型中各项参数(E_1,E_2,η_1,η_2)对疲劳寿命的影响.数值模拟结果表明,随着端部控制位移增大,到达疲劳时最大应力增大.研究证实:随着沥青砂浆Burger's模型参数中E_1增大,E_2减小,沥青模量增大,沥青混合料的疲劳寿命得到有效提升;η_1和η_2对疲劳寿命的影响较小.     

GA优化T-S模糊神经网络的干燥窑温湿度控制器设计

为了准确控制木材干燥过程的温度和湿度,提高木材干燥质量,结合模糊控制、神经网络和遗传算法的优点,设计了一种遗传算法(GA)优化的T-S模糊神经网络温湿度控制器。该控制器利用模糊算法解除木材干燥窑内温度和湿度间的强耦合关系,采用神经网络的自学习和自适应能力实现整个非线性过程的模糊逻辑推理,并通过遗传算法对神经网络的参数进行优化与训练,提高系统的自学习和自适应能力。仿真实验结果表明,在木材干燥过程的温湿度控制上,GA优化的T-S型模糊神经网络控制器具有良好的控制效果,控制器响应速度快、超调小并且具有一定的鲁棒性。     

基于自适应差分遗传算法的BP神经网络优化

针对遗传算法在优化BP网络时出现收敛慢、预测能力有限等问题,提出一种用于优化BP神经网络的差分进化遗传算法。结合差分进化与遗传算法,首先对BP神经网络待优化参数编码,然后在经过遗传交叉和差分变异操作后,根据适应度值对种群规模进行自适应操作,以满足不同迭代阶段的要求。通过对测试函数进行仿真实验,结果表明,相比传统遗传算法,DE GA算法具有较好的稳定性和收敛速度,其优化后的BP网络预测精度保持在97%以上。     

非线性问题的求解及优化研究——基于遗传算法和混合遗传算法的分析

遗传算法(GA)是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率算法,然而在GA求解过程中,往往会出现早熟现象。基于GA传统算法,结合最速下降法和惩罚函数方法,提出求解非线性优化问题的混合遗传算法(HGA)。在无约束优化和约束优化两类问题中分别使用基于最速下降法的SHGA、基于惩罚函数法的PHGA进行求解。通过数值算例验证,表明HGA在非线性优化问题中比GA传统算法具有更快的收敛速度以及更好的最优解。     

基于遗传算法的网络拥塞控制新策略

推导了基于流体流理论的网络简化模型,并基于该模型将遗传算法应用于PID控制器参数优化,定义了一个综合调节时间、上升时间、超调量、系统误差等动静态性能指标函数,在给定的参数空间进行组合优化搜索,迅速求得使性能指标优化函数极小化的一组PID控制器参数,而将PID控制器应用于网络主动队列管理系统中。仿真结果表明,在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于RED、PI算法。     

蒙特卡罗数值模拟及其在大跨桥梁可靠度分析中的应用

为了定量地研究大跨桥梁在多种随机因素下的可靠度,采用了蒙特卡罗法中的拉丁超立方体抽样法,对润扬悬索桥(中国跨度最大的悬索桥)在温度、风、车辆荷载、车辆冲击等随机变量作用下的结构可靠度进行了计算.通过对大桥在正常运营和损伤状态下的可靠度分析,获得了大桥主缆应力、吊索应力、桥塔位移以及钢箱梁线形等重要指标的可靠度和累积分布函数,分析结果形象直观,提高了评估的效率,使维护决策的制定更加客观准确.