基于弹塑性损伤-渗流耦合模型的隧道洞口段围岩稳定性研究

为分析复杂条件下隧道洞口段稳定性问题,建立基于Mohr-Coulomb准则的岩石弹塑性损伤-渗流耦合模型,利用完全隐式的向后欧拉算法编制弹塑性损伤模型的应力积分程序。在此基础上,利用ABAQUS平台的子程序接口实现耦合模型的有限元计算。将该模型应用于福建某洞口段隧道工程的围岩稳定性评价中,分析不同降雨强度下洞口段结构的安全系数、位移及损伤值的变化规律。结果表明:隧道洞口段结构的安全系数、损伤区和位移均会随着降雨进程的发展发生变化,雨季应加强监测频率。     

基于自适应遗传算法的应急物资储备库选址及物资调配优化研究

应急物资储备库是应急救援的重要载体,储备库选址是否科学合理决定着整个应急公共服务体系的成效,而传统遗传算法在研究储备库选址与物资调配相结合的问题上存在局限性。针对这一问题,从需求点及应急设施服务质量视角构建基于覆盖满意度和经济性的应急设施选址与物资调配优化模型,并根据模型设计自适应遗传算法(AGA),结合储备库实际情况采取具有方向性的初始群体生成法提高搜索速度,设计自适应交叉与变异算子使AGA能够在进化速度与解的质量之间进行权衡,并获得全局最优解。结果表明,该算法能跳出局部最优从而获得最优的选址-分配方案,可为应急管理部门和决策机构的应急设施选址规划及应急物资分配提供理论依据和决策参考。     

基于聚类算法的ERT污染区域识别方法

本文提出将聚类算法引入到ERT监测系统中，采用K均值（K-means）聚类、模糊C均值算法（FCM）以及混合高斯模型（GMM）3种常用聚类算法对ERT检测结果进行污染区域识别，通过一个数值模型分析了3种算法的识别效果.研究结果表明当污染区域与背景土壤的电阻率区分度较大时（电阻率差异性大于30%），采用3种聚类算法都可以识别出污染区域，K-means和FCM的识别效果优于GMM算法.最后，给出一个实际场地调查的应用案例.     

基因算法在环境优化问题中的应用

给出了处理环境优化问题的一种改进基因算法，并通过实例对该法与传统优化方法进行了比较，结果表明，该法直观，简便，适应性强，是一种优秀的非线性优化方法。     

煤与瓦斯突出危险性计算机识别与预报系统

根据反向传播神经网络模型的原理，设计了煤与瓦斯突出危险性的计算机识别与预报系统，借助于对已知突出实例的训练学习，得出反映突出预测指标和突出危险程度之间复杂的非线性映射关系的网络系数（预报规则），可以对突出危险性进行多因素识别预报。通过外推预报检验，表明系统具有较高的可靠性和实用性     

基于序列模式的土地利用变化分析——以广西壮族自治区为例

土地利用变化是一个长期的过程,同时具有一定的复杂性。传统的转移矩阵方法只能在两期土地利用数据之间相互比较而不能总结长期整体的变化规律,频繁项集不能导出变化序列。针对这些方法的不足,本文提出了基于序列模式的土地利用变化序列分析模型。首先给出土地序列数据库的定义,然后根据土地序列数据实际特点和垂直格式的序列模式SPADE算法,给出土地变化序列模式的计算过程和方法。在以中国广西为实例的研究中,计算了1970s—2015年共7期22种二级土地利用类型的变化序列。研究区土地利用变化主要发生在林地之间,部分林地转换为厂矿、采石场、交通道路等建设用地类型;城镇用地主要由旱地和水田转换而来;在研究期内没有任何一个土地单元转化成水田。     

基于B—P网络的大气环境质量评价

选取大气环境质量标准作为运算样本，以大气污染物各级标准值作为样本输入信息，建立了大气环境质量的Ｂ－Ｐ网络评价模型，该模型用于武汉市大气环境质量评价，并与用模糊数学评价结果比较，表明Ｂ－Ｐ人工神经网络用于大气环境质量评价具有通用性、合理性和实用性。     

供水管网水质监测点选址风险研究

饮用水足否安全，是近年来社会各界普遍关注的问题之一。供水管网的水质监测是保证供水安全、降低水污染风险的重要环节。然而，如何合理选择水质监测点，至今尚无科学的方法。往定义供水管网水质监测点选址风险度的基础上，结合某供水管网，利用二进制编码的微粒群算法埘供水管网水质监测点选址的风险问题进行了研究，可以帮助决策者科学地选择优化的水质监测点。     

马斯京根洪水演算模型的改进--兼论其参数的蚁群算法率定

针对马斯京根洪水演算模型的近似性问题，用曲线积分法改进了原模型中时段流量的简单算术平均值法，并利用连续性空间优化问题的蚁群算法对改进的马斯京根洪水演算模型进行参数最优估计，使演算流量更加接近实际。     

基于遗传神经网络的入侵检测研究

入侵检测技术是计算机网络信息安全检测的重要手段之一,入侵检测作为一种动态的安全防护技术,提供了对内部攻击、外部攻击和误操作的实时保护,在网络系统受到危害之前拦截和响应入侵。对计算机网络数据进行特征提取,提出了采用遗传算法和神经网络相结合入侵检测技术。遗传算法具有计算简单、优化效果好的特点。利用遗传算法来避免BP算法的局部极小点,从而达到均方根误差全局最小点,也解决了BP算法的收敛慢的问题;同时也解决了单独利用GA往往不能在短时间内寻找到接近最优解的这一问题。通过计算机实验验证了入侵检测的效果,提高了识别率,使得误报率和漏报率降低。