安徽及邻区震源深度分布特征研究

本文利用安徽及邻区（29°～35°N,114°～120°E）1976年1月—2009年7月重新定位后的地震目录,统计分析了不同空间范围内的震源深度分布特征,结果表明：安徽及邻区平均震源深度8 km,优势深度分布为5～15 km,其中霍山地区震源深度优势分布为3～8 km。中小地震震源深度在空间分布是不均匀的,安徽中西部...     

运用沿盆地边缘分布的微小地震研究强震危险性

以1996年首都圈地区微小地震沿盆地边缘的分布与强震问对应关系为例，定量化研究沿地形分布的微小震一强震关系。它表明地壳厚度变化这种地壳的不均匀性，也可像内部断层这种地壳不均匀性一样，使我们有可能得到强震的前兆。文中具体给出判定沿地形（盆地边缘）分布的微小地震异常的方法和原则。本文的例子表明，异常一强震的关系是一一对应的。     

具有小世界邻域结构的混合鲸鱼优化算法

针对标准鲸鱼优化算法收敛精度低和易早熟的问题,提出了具有小世界邻域结构的混合鲸鱼优化算法。该算法采用小世界网络作为种群的空间结构,在围猎捕食和气泡网攻击阶段,设计了一种混合引导策略来协调算法的全局搜索和局部开发能力。此外,为了能够找到更多局部最优解,提出了基于边界信息的小概率局部维度变异策略。基于标准测试函数的仿真实验表明,与标准鲸鱼优化算法和其他性能优异的改进算法相比,具有小世界邻域结构的混合鲸鱼优化算法在收敛精度和稳定性方面更具优势。     

利用多台首波Pn、直达波Pg走时确定地壳厚度及波速

本文通过对首波Pn、直达波Pg的走时的反演,推导出地壳厚度、震源深度、P波在地壳中、壳幔边界的传播速度之间的关系式,利用多台地震记录确定一个区域内这些参数的值,从而建立出该区域的地壳模型。     

基于蚁群算法的结构面产状模糊C均值聚类分析

鉴于传统结构面分析方法只能进行相对的优势组数划分,无法准确定量地给出优势结构面的产状,提出了基于蚁群算法(ACA)的结构面产状模糊C均值(FCM)聚类算法;该算法利用ACA算法得到结构面产状的模糊聚类个数,并利用FCM算法得到初始聚类中心,最终得到具有全局分布特性的最优聚类;通过现场实测数据分析,验证了该算法的实用性和有效性。     

吉林松原宁江地震序列精定位

使用吉林区域数字地震台网和流动台网的观测数据,采用HypoDD方法对2018年1月1日至2019年8月10日发生在吉林松原宁江地区259次地震事件进行精定位。结果显示,定位后地震序列分布更为集中,主要分布在第二松花江断裂与扶余-肇东断裂交汇处,无明显的优势方向,震源深度主要集中在7～11km。精定位的结果不能确定松原宁江地震的发震构造,结合李君对该地区震源机制解的相关研究,认为第二松花江断裂为松原宁江地震的发震断层。     

利用智利地震震源分布确定智利地区主震断层面

从历史地震来看,智利及其周边地区的历史强震主要集中在Nazca板块和南美洲板块之间的俯冲带上,该区也是7级以上大震频发的地区,所以对于该地区的断层结构和震源机制的研究就显得十分有必要.大地震发生后,大量余震在断层面上发生.因此余震震源位置的空间分布可以较为精确地勾画出断层面的位置.假定地震的发震断层可以用一个平面来模拟...     

山东地区乳山震群双差重定位及发震构造研究

采用双差重定位方法,对2013年10月—2015年10月山东乳山地区1442个M_L1.0以上地震事件进行重新定位。重定位后震群震中更加集中,条带状更为清晰,总体呈NW向优势分布;震群震源深度集中在6～10km,其中优势分布深度为7～9km,破裂主要发生在上地壳。通过P波初动法对乳山震群部分M_L3.0以上地震的震源机制进行了求解,其震源机制均为走滑型,震源机制的节面A方向与乳山震群重定位分布方向基本一致。综合考虑精确定位结果及较大地震震源机制,初步推测乳山震群发震断层为NW向走滑型隐伏断裂。     

基于直达P波的甘肃地区近震震源深度定位误差分析

关于震源深度误差问题有许多讨论,但一直也没有很好的统一的解决办法。结合目前的实际,对于区域台网记录到的浅源近震,多数是采用JOPENS-MSDP人机交互处理软件中的单纯型定位方法进行定位,直达波是参与定位的主体。本文通过对甘肃台网记录到的71个浅源近震进行分析,得到甘肃地区震中距与震源深度的比值和定位误差之间的统计关系。     

基于反馈机制的鲸鱼优化算法

针对基本鲸鱼优化算法容易陷入局部最优和收敛速度慢的问题,提出了一种基于反馈机制的鲸鱼优化算法。为了提高算法的全局搜索能力以及局部开发能力,在鲸鱼寻找食物的阶段,通过鲸鱼的自我反馈以及鲸鱼间的反馈(基于均值个体)来提高鲸鱼算法的全局搜索能力,避免算法陷入局部最优。且通过最优位置的鲸鱼自我反馈、其它鲸鱼于最优位置的鲸鱼反馈(基于正态分布)来解决收敛速度慢的问题。实验表明,与基本的鲸鱼算法、粒子群算法、遗传算法相比,改进的算法在收敛的精度、速度以及算法的稳定性方面都有一定的提高。     

环境模型参数优化方法的比较

模型参数优化是通过极小化目标函数使得模型输出和实际观测数据之间达到最佳的拟合程度.由于环境模型本身的复杂性,常规优化算法难以达到参数空间上的全局最优.近年来,随着计算机运算效率的快速提高,直接优化方法得到了进一步开发与广泛应用.本文比较了CRS、SCEUA、SA和Annealing-Simplex等4种算法应用于环境模型参数优化的结果和计算效率.     

基于遗传模拟退火算法的频率指配算法研究

在复杂电磁环境中进行频率指配是频谱管理中极为重要且困难的研究课题。提出了一种基于遗传模拟退火算法的频率指配算法,以基本遗传算法为基础,采用自适应的交叉概率和变异概率,将遗传操作和模拟退火操作相结合,从而克服了一般遗传算法的不足,可有效避免陷入局部最优并最终趋于全局优化。理论分析和仿真结果表明,该算法能够给整个无线电网络合理地指配频率,同时能有效地控制算法自身的收敛速度,与传统的指配算法相比,新算法在指配效果上有了很大的提高。     

基于人工神经网络方法的水质预测初探

常规的水质预测模型因存在许多简化与假定而限制了其精度与实用性的提高.文章通过引入神经网络技术来建立水质预测模型,分别采用LM算法和RBF算法来提高预测的精度.结果表明,在建立三门峡水库流量和水质的输入响应关系模型的实际应用中,RBF算法取得了较好的预测效果.     

最小生成树算法及其应用

Kruskal算法和Prim算法是求最小生成树的常用算法,文中设计了这两种算法的C语言程序,并通过实例说明了算法的应用.     

进化蚁群算法及其在湖泊富营养化评价中的应用

蚁群算法是近年提出的一种新型的仿生算法,已在许多组合优化问题中得到成功应用,但是传统蚁群算法解决连续优化问题的能力较差.为提高其解决连续优化问题的能力,拓宽应用范围,引入带可变邻域搜索项的进化策略对其进行改进,进而提出进化蚁群算法.随后从2个方面对进化蚁群算法的性能进行测试:①采用多个经典测试函数测试进化蚁群算法用于解决连续优化问题的效果;②将进化蚁群算法应用于千岛湖的富营养化程度评价,以测试该方法解决实际问题的效果.函数测试结果表明,进化蚁群算法可以成功用于解决连续优化问题,并且优化过程所需初始个体的数量少,优化速度快;千岛湖富营养化程度评价实例的结果表明,进化蚁群算法应用于湖泊富营养化评价是可行的,可用于解决实际问题.      

遗传梯度法在水质数学模型参数估值的应用

介绍一种混合遗传算法－－遗传梯度法，并将其应用于水质数学模型参数估值，较一般优化算法能稳定得到的全局最优解。     

基于自适应调整蚁群-RBF神经网络模型的中长期径流预测

径流预测历来是水利部门的一项重要工作,针对水库和河流中长期径流预测精度不高,提出了自适应调节人工蚁群算法(ARACS),对RBF神经网络参数进行优化,建立了自适应调节人工蚁群-RBF神经网络组合算法(ARACS-RBF)预测模型,综合考虑影响径流预变化因素,对安康水库进行中长期径流预测。对预测效果进行检验,结果证实该模型可真实地反映河川径流变化的总体趋势, 并为判断时间序列数据的非线性提供了一种新方法。与RBF神经网络模型、人工蚁群-RBF神经网络模型预测结果进行对比,结果表明,应用ARACS-RBF模型对中长期径流量进行预测,预测精度更高、效果更好。该方法克服了RBF神经网络和人工蚁群算法易陷于局部极值、搜索质量差和精度不高的缺点,改善了RBF神经网络的泛化能力,收敛速度快,输出稳定性好,提高了径流预测的精度,置信度为98%时的预测相对误差小于6.5%。可有效用于水库和河川中长期径流预测。     

混合多目标遗传算法求解地下水污染修复管理模型

为了提高多目标遗传算法Pareto解的局部最优性,本文将快速非支配遗传算法(NSGAII)与一种迭代式的局部搜索算法(Hill Climber with Step,HCS)相结合,开发了一种新的混合多目标遗传算法NSGAII-HCS.利用CONV1和ZDT6两个经典的多目标优化函数对NSGAII-HCS的性能进行测试,与传统的多目标算法NSGAII相比,CONV1得到的Pareto锋面与真实Pareto最优解锋面的平均距离由5.49减小到1.74,ZDT6则由0.16减小到0,表明NSGAII-HCS在保证解多样性的前提下,能使解接近或收敛到真实的Pareto最优解锋面.最后,将NSGAII-HCS与地下水流模拟软件MODFLOW和溶质运移模拟软件MT3DMS相耦合,并应用到一个理想的二维地下水污染修复管理模型中,结果分析表明该方法可为地下水污染治理提供多样的和收敛的Pareto管理策略,是一种稳定可靠的多目标优化方法.     

加速遗传算法及其在环境模型参数估计中的应用

提出了遗传算法的一种改进方法－－加速遗传算法，分析了该算法控制参数的优化特性，总结了这些参数的简便设置技术，并给出了它在环境模型参数估计中的几个应用实例。     

TNT生化降解时间序列的人工神经网络预报模型

利用变步长BP算法,对白腐真菌生化降解实际TNT装药废水过程中TNT含量变化的时间序列建立了人工神经网络预报模型,并利用该模型对生化降解过程的变化规律及趋势进行了研究。结果表明,模型的计算值与实测值之间的误差很小,对未来时刻数据的预测精度也较高,模型较好地反映了TNT含量的变化规律。