MPSO-GEP方法在边坡可靠度计算中的应用

提出了采用基因表达式编程(Gene Expression Programming,GEP)和混合粒子群相结合计算边坡可靠度的新方法。该方法采用均匀设计法确定样本点,通过数值计算求解安全系数,应用GEP方法拟合边坡的功能函数;借鉴遗传算法中的杂交概念,将其引入标准粒子群方法(Particle Swarm Optimization,PSO),形成混合粒子群方法(MPSO),改善了PSO方法的全局搜索能力,提高了方法的收敛速度和计算精度,可用于计算可靠度指标及相应的验算点。以2个典型的边坡为例,通过算例1与其他方法对比,验证了MPSO方法较标准PSO方法计算精度高、收敛速度快;分析了算法中各控制参数对可靠度指标的影响;算例2为隐式功能函数问题,将MPSO方法与GEP方法相结合求解可靠度指标。结果表明:MPSO-GEP方法对求解隐式功能函数的边坡可靠性问题具有很好的适应性,该方法科学可行且具有很好的应用前景。     

基于ANSYS和JC法的滑坡抗滑桩结构可靠度分析

在深入分析可靠度指标的几何意义和JC法的基本原理的基础上,构造了滑坡抗滑桩结构的功能函数。分析了陕西省吴起县大路沟巨型黄土滑坡的工程地质条件,根据滑坡的工程地质勘察资料和滑坡治理工程的设计资料,建立了基于ANSYS的抗滑桩桩土体系有限元模型,经过自重作用下桩土结构数值的模拟,验证了该有限元模型的有效性。在此基础上,选取滑体土重度γ、滑面土内聚力C和内摩擦角、滑面以下土的压缩模量Es四个随机变量,建立了基于ANSYS软件和JC法的抗滑桩结构可靠度计算模型,并研制了相应算法,算例结果表明:基于ANSYS和JC法的抗滑桩结构的失效概率pf=0.49%,可靠度指标β=2.58,失效概率略大于蒙特卡洛(MCS)抽样算法结果和CCD响应面法(RSM)结果,但是基于ANSYS和JC法的效率最高,从而验证了该可靠度模型及算法的有效性。     

生命线工程网络抗震拓扑优化研究

介绍了基于连通可靠度分析的生命线工程网络和基于功能可靠度分析的供水管网抗震拓扑优化分析方法。以管网造价为优化目标,管网拓扑结构为优化参数,抗震连通可靠度为约束,建立了基于连通可靠度分析的生命线工程网络抗震拓扑优化模型。对于这样一个组合优化问题,采用现代优化算法-遗传算法来进行求解可以获得造价低且满足管网抗震可靠度要求的最优网络。改用抗震功能可靠度为约束,可以建立基于功能可靠度分析的供水管网的抗震拓扑优化模型,这一问题可以采用模拟退火算法来进行求解,实例分析表明模拟退火算法具有很好的效果。最后,利用模拟退火算法,对四川省都江堰市、绵竹市和德阳市供水管网进行了抗震拓扑优化改造分析,给出了三个城市供水管网的恢复重建方案。     

改进的粒子群算法及其在土坡临界滑动面搜索中的应用

首先,提出了一种新型的模拟任意滑动面的方法,该法能自动产生运动许可的滑动面。同时,针对基本粒子群优化算法存在计算量大的缺点,提出了一种改进的,即不连续飞行粒子群优化算法。利用Spencer法计算滑动面的安全系数,对几个复杂土坡的最小安全系数及其对应的滑动面进行了分析,并与国内外已有结果进行了比较,证明了改进粒子群优化算法和模拟滑动面的新方法是合理、有效的,可用于复杂优化问题的研究。     

蝙蝠优化算法在边坡可靠性分析中的应用

基于可靠度的几何意义,提出基于蝙蝠算法(Bat Algorithm,BA)进行边坡可靠性分析。针对基本蝙蝠算法易早熟、收敛精度低的不足,将细菌觅食算法中的迁徙操作(Elimination Dispersal)引入基本蝙蝠算法,形成迁徙蝙蝠算法(EDBA),提高了算法的全局搜索能力和收敛速度。算例1的计算结果表明:EDBA较基本BA的计算精度高,收敛速度快,稳定性更好,对求解复杂、高度非线性功能函数的可靠性问题具有很好的适应性。对于隐式功能函数的边坡可靠度求解,提出了采用蝙蝠算法和基因表达式编程(Gene Expression Programming,GEP)相结合的计算边坡可靠度的新方法。该方法采用GEP方法拟合边坡极限状态函数,构建响应面,通过蝙蝠算法计算边坡可靠度及相应的验算点;算例2的计算结果证明:EDBA-GEP方法对求解隐式功能函数的边坡可靠性问题具有很好的适应性,是科学可行的,具有很好的应用前景。     

基于监测数据的边坡参数统计特征及可靠度更新∗

掌握详细的边坡岩土体参数信息是进行边坡加固与风险评估的重要前提。目前大多采用马尔可夫链蒙特卡洛模拟方法基于现场或室内试验数据进行不确定性参数统计信息及边坡可靠度更新。然而,该方法存在计算量大、计算结果不易收敛和难以解决高维边坡不确定性参数统计特征及可靠度更新等问题。本文基于粒子群优化反向传播神经网络算法建立边坡位移代理模型优化计算过程,提出了改进的基于子集模拟的贝叶斯更新方法,进而基于边坡变形监测数据进行参数统计特征及可靠度更新。最后,将提出方法应用到长春西客站深基坑边坡工程。 结果表明：提出方法能够融合有限的场地信息有效地更新边坡岩土体参数统计特征,推断其后验概率密度函数,进而更新边坡失效概率。利用更新的土体参数计算的边坡位移与实测数据吻合,验证了提出方法的适用性和有效性。另外融合监测数据进行贝叶斯更新之后,虽然土体参数的不确定性明显降低,但是边坡失效概率受外界气温、 监测点位置及数据量值的影响会增大。     

基于微粒群算法的供水管网抗震优化设计

以管网年费用折算值为优化目标、管网拓扑结构与管径为优化参数、管网节点最低可靠度为约束条件,建立了供水管网抗震优化设计模型。利用微粒群算法对这一模型进行了求解,该算法以管网作为微粒个体,通过不断地更新微粒的位置来搜索最优的管网结构,直到最后给出优化的管网结构。利用上述方法对一典型供水管网进行了抗震优化设计分析,给出了3种不同节点最低可靠度约束条件下的优化改造方案。     

含多种分布式电源的微电网经济调度

针对含多种分布式电源的微电网经济调度问题,以微电网各机组的出力和蓄电池、电动汽车的电量为约束条件,考虑微电网中设备的投资费用、运行维护费用、燃料消耗费用和能量交易费用,以微电网在一个完整的调度周期的总运行费用最小为目标函数,建立微电网经济调度模型,采用粒子群优化算法对燃气轮机的每小时输出功率进行优化。仿真结果表明:该模型能有效降低微电网的运行成本,其粒子群优化算法与其他算法相比具有简单、易实现、精度高等优点。     

MPSO-BP模型在矿井突水水源判别中的应用

突水水源判别是矿井防治水工作的重要环节。为准确有效地判别矿井突水水源,选取k++Na+、Ca2+、Mg2+、Cl-、HCO-3、SO2-46种离子作为判别突水来源的依据。对粒子群的惯性权重、两个学习因子进行非线性和线性改进,并引入变异算子对粒子的飞行速度进行改进,提高了标准粒子群(SPSO)算法的性能,确保了粒子群在进化过程中的多样性。运用改进的粒子群(MPSO)算法优化BP神经网络的初始权值与阈值,以某矿的20组水源样本作为训练样本进行学习与训练,并用建立好的MPSO-BP突水水源判别模型对6组待测样本进行判别,并对适应度进化曲线和判别结果进行详细的分析与推理。应用结果表明:相比于SPSO算法,MPSO算法在优化BP神经网络过程中具有全局搜索能力更强、收敛速度更快、精度更高的优点,能够有效克服SPSO算法易早熟收敛的缺点;MPSO-BP模型应用于矿井突水水源的判别具有可行性,其判别结果的精度及稳定性明显优于BP模型和SPSO-BP模型,其具有判别泛化性更强的特点。因此,该方法在判别矿井突水水源方面具有一定的实用价值与开发潜力。     

基于BP神经网络的冻土路基变形预测与可靠度分析

目前,基于BP神经网络法进行冻土路基变形预测的可行性和有效性仍少有学者对其进行研究。运用MATLAB编制BP神经网络程序,并应用于青藏铁路预测路基变形的工程实例。在此基础上,又采用COMSOL有限元软件的多场耦合模块分析了同一路基的变形场、水热场。通过对比两种方法,验证了前者的科学性和有效性。进而提出了一种新的可靠度计算方法(INNRS法),这种方法将神经网络法和响应面法有机结合起来,只需一次迭代即可形成较准确的功能函数,使得计算可靠指标的效率大大提高。应用INNRS法,对路基变形的可靠度指标和失效概率进行了评价。     

基于PSO-AHP的大坝致灾因子权重计算

提出了一种基于改进粒子群优化-层次分析法(SELPSO-AHP)的致灾因子权重计算模型,该模型依据大坝现场检测、原型监测和安全定期检查等成果,由层次分析法构建大坝风险分析的层次结构体系。为保证判断矩阵的一致性,引入改进粒子群算法和罚函数法用于层次分析法的权值计算,取得了比遗传算法更精确、更稳定的结果。将所建立的模型用于某混凝土重力坝的运行风险分析,得到了影响该坝运行风险的主要因素,为保障大坝安全提供了依据。     

量子粒子群优化算法在结构参数识别中的应用

系统识别问题可以转化成一高维多模优化问题。针对基本粒子群优化在分析此类问题时容易出现早熟收敛从而导致局部优化和较大误差的缺陷,提出将量子粒子群优化算法(QPSO)应用于结构参数识别。QPSO具有参数少、编程简单、易实现、收敛速度快、可以避免早熟收敛、能够迅速在全局找到最优解的特点。本文在测量数据不完备且含噪声污染,参数质量、刚度和阻尼等信息缺乏的情况下,通过数值模拟以及在真实结构参数识别中的应用,验证了QPSO的有效性。     

考虑预测不确定性的微网优化调度

针对现有技术下由于微网中不可控微源出力预测和负荷预测均存在误差较大而引起微网优化调度结果不准确的问题,提出在传统微网经济调度模型中增加不确定性描述模型,得到不同侧重点下的微网经济优化结果,并对结果进行分析。首先,通过利用区间数描述预测不确定性,并结合隶属度函数推导容忍度概念。其次,在并网运行模式的微网结构上建立以运行成本最低为目标函数的微网优化调度模型,并将该模型转换为区间数形式表示。最后,利用粒子群优化算法并以MATLAB为主要工具对上述模型进行求解,得到微网24 h出力优化区间解结果,并对结果进行详细分析。算例通过对某并网型微网进行分析,验证了所提模型的科学性和有效性。     

基于粗糙集和AFSA-BP的水电机组故障诊断

将粗糙集和人工鱼群优化-神经网络算法引入水电机组故障诊断中,利用人工鱼群优化算法中聚类的特点改进粗糙集属性约简方法并对水电机组故障的检测信息进行约简,提取对故障分类起主要作用的信息,并用BP神经网络对粗糙集处理后的故障信息进行诊断。实验结果表明:该方法降低了神经网络的输入信息空间维数,简化了神经网络结构,有效提高了故障诊断的准确性。     

基于ASD-KDE算法的超短期风电出力区间预测

为提高含风电场电网经济调度能力并降低电力系统规划决策的保守性,提出了基于原子稀疏分解-核密度( atom sparse decomposition-kernel density estimation, ASD-KDE)算法的超短期风电出力区间预测模型。该模型应用ASD计算出较为精确的点预测值,并采用粒子群优化正交匹配追踪算法提高原子分解过程的预测实时性。同时针对风电序列不同区域所具有的线性及非平稳特性,构建了衰减线性原子库及Gabor原子库,以期达到自适应分解的效果。再通过对原子分量和残余分量分别进行自预测和BP( back propagation) 神经网络预测,获得点预测值。在此基础上,通过对历史风电数据不同区间的划分,构建一维核密度估计模型,逐步滚动获取预测值的置信区间,从而降低了环境变化对预测结果的影响。实际风电场算例验证了所提方法的自适应性、快速性及有效性。     

基于遗传算法的生命线工程网络抗震优化设计

进行网络抗震可靠性分析的目的,不仅在于定量评价生命线工程网络系统的抗震性能,更重要的是利用这种分析工具指导网络抗震性能的优化设计。以无向边权网络系统为分析对象,分别以管网造价和系统抗震可靠度作为优化目标和约束条件,建立网络系统拓扑优化模型,利用递推分解算法作为网络系统抗震可靠性分析工具,并引入系统单元的灵敏度分析,采用遗传算法求解网络系统的拓扑优化问题,从而发展了一类工程网络抗震优化设计方法。实例分析结果表明,网络系统拓扑结构与系统可靠度之间有显著的正相关关系。     

获得固定输电权的风电公司日运行优化的研究

风电为平衡自身波动性需与储能装置联合运行,基于风蓄联合发电公司在电力市场环境下获得固定输电权的前提下进行分析,建立了以日运行收益最大化为目标的含风电场、抽水蓄能电站、常规火电厂和系统负荷的简单电力系统模型。考虑峰谷电价、功率平衡、风电场的运行约束和抽水蓄能电站的运行约束的情况下,应用在标准粒子群算法基础.上进行改进的粒子群算法迭代寻优,最后求得最优解。仿真结果表明所提出的模型及求解方法能够计算风蓄联合发电公司的最优日收益,实现收益的最大化。     

基于免疫遗传算法的洪灾神经网络评估模型

灾情评估的结果既是制定防洪减灾决策的基本依据，也是评价防洪工作成效的重要指标。提出了一种基于免疫遗传算法优化的神经网络模型（IGA—NN）并用于洪水灾情的评估，给出了IGA—NN的设计方法和优化步骤。同时还将ICA—NN与标准遗传算法优化的神经网络模型进行了比较，显示了IGA—NN的优越性。最后通过实例，验证了IGA—NN的实用性。