基于粒子群算法的滑坡强度参数反演分析
基于粒子系统的滑坡灾害过程模拟仿真方法
基于粒子系统的滑坡灾害过程模拟仿真方法杜志强;李静【期刊名称】《地理信息世界》【年(卷),期】2017(024)002【摘要】传统滑坡模拟方法需要进行大量物理模拟计算,导致模拟效率低且模拟精度受制于所采用的力学模型.本研究在传统模拟方法的基础上引入PhysX物理引擎中的粒子系统模拟滑坡发生的整个过程,简化了传统模拟方法的大量物理模拟计算过程,提高了模拟效率.首先采用参数率定以及极限平衡分析方法计算滑坡灾害体的物理属性值及几何属性值,并将其转化为粒子属性,其次在物理引擎中通过控制模拟时间及粒子周期模拟滑坡灾害过程,最后通过粒子系统反馈回的滑坡粒子的几何位置、持续时间和个数等要素的统计计算得到滑坡灾害范围.选取浙江丽水市滑坡为典型案例,验证了本文方法的可行性与可靠性.%Traditional simulation method about landslide required a lot of physical calculations, resulting in low efficiency and uncertain simulation accuracy depended on the mechanical model used. This paper introduces the particle system of the PhysX to the traditional simulation method to simulate landslide, which simplifies physical calculation of traditional method and improves the efficiency of the simulation. Firstly, the physical properties values and the geometry of the landslide disaster are calculated based on the parameter calibration and the limit equilibrium method. Then convert them into the particle properties, the landslide in the PhysX system by controlling the simulation time and the lifetime of the particle are simulated. Finally, according toseveral elements such as the geometry position of a series of particles and the last time fed back by the particle system, some statistics to derive the time and the area of the landslide region are calculated. As a typical case, the simulation of Lishui landslide in Zhejiang province proved the feasibility and reliability of this method.【总页数】5页(P46-50)【作者】杜志强;李静【作者单位】武汉大学测绘遥感信息工程国家重点实验室,湖北武汉 430079;地球空间信息技术协同创新中心,湖北武汉 430079;香港中文大学太空与地球信息科学研究所,香港 999077;武汉大学测绘遥感信息工程国家重点实验室,湖北武汉430079【正文语种】中文【中图分类】TP391.9【相关文献】1.基于粒子系统的火焰仿真方法概述 [J], 万明;丁允一;崔晟圆;黄俊爽;李聪2.基于粒子系统的照明弹仿真方法 [J], 徐立涛;邓启亮3.基于粒子系统的飞机尾焰红外仿真方法研究 [J], 许春圣;张建奇4.基于粒子系统的火焰仿真方法概述 [J], 李相俭;崔晟圆;万明;边志丽;张倩5.基于粒子系统的雨天实时仿真方法 [J], 刘剑超;林亚军;王述运;董斐因版权原因，仅展示原文概要，查看原文内容请购买。
基于异步粒子群优化算法的边坡工程岩体力学参数反演
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｒ ｅ ａ ｓ ｏ ｎ ａ ｂ ｌ ｙ ｄ ｅ ｔ ｅ ｒ ｍｉ ｎ ｅ ｔ ｈ ｅ ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ ｓ ｌ ｏ ｐ ｅ ｒ ｏ ｃ ｋ ｍａ ｓ ｓ ，ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ｉ ｎ ｖ ｅ ｒ ｓ ｉ ｏ ｎ ｔ ｈ ａ ｔ ｉ ｓ ｂ ａ ｓ ｅ ｄ ｏ ｎ ｆ ｉ ｅ ｌ ｄ ｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｓ ｄ ｅ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｄ ａ ｔ ａ ｉ ｓ ｔ ｈ ｅ ｍａ ｉ ｎ ｍｅ ｔ ｈ ｏ ｄ ａ ｎ ｄ ｉ ｔ ｓ ｅ ｓ ｓ ｅ ｎ ｃ ｅ ｉ ｓ ａ ｎ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ
Ｉ ｎ ｖ ｅ ｒ ｓ ｉ ｏ ｎ ｏ ｆ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ Ｓ ｌ ｏ ｐｅ Ｒｏ ｃ ｋ Ｂａ ｓ ｅ ｄ ｏ ｎ Ａｓ ｙ ｎｃ ｈ ｒ ０ ｎ ０ ｕ ｓ Ｐａ ｒ ｔ ｉ ｃ ｌ ｅ Ｓ ｗａ ｒ ｍ Ｏｐｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ
Ｚ ｈ ａ ｎ ｇ Ｔ ａ ｉ ｊ ｕ ｎ Ｘｕ Ｌ ｅ ｉ
（ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ ｏ ｆ Ｗａ ｔ ｅ ｒ Ｃ ｏ ｎ ｓ ｅ ｒ ｖ ａ ｎ ｃ ｙ ８ Ｌ Ｈｙ ｄ ｒ ｏ ｐ ｏ ｗｅ ｒ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ，Ｈｏ ｈ ａ ｉ Ｕｎ ｉ ｖ ． ，Ｎａ ｎ ｊ ｉ ｎ ｇ ２ １ ０ ０ ９ ８ ， Ｃ ｈ ｉ ｎ ａ ）
ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｆ ｏｒ ｅ ｓ ｔ ａ ｂｌ ｉ ｓ ｈｉ ｎ ｇ ｒ ｏ ｃ ｋ ｍｅ ｃ ｈ ａ ｎｉ ｃ ａ ｌ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ．Ｔｈｕ ｓ，ｈｏ ｗ ｔ ｏ ｃ ｈｏ ｏｓ ｅ ａ ｎ ｅ ｆ ｆ ｉ ｃ ｉ ｅ ｎｔ ｏ ｐｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏｒ ｉ ｔ ｈ ｍ ｉ ｓ ｔ ｈｅ ｃ ｏｒ ｅ ｐｒ ｏ ｂｌ ｅ ｍ ． Ｃｕｒ ｒ ｅ ｎｔ ｌ ｙ，ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗａ ｒ ｍ ｏｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏｒ ｉ ｔ ｈ ｍ ｈａ ｓ ｂｅ ｅ ｎ ａ ｐｐ ｌ ｉ ｅ ｄ ｔ ｏ ｉ ｎｖ ｅ ｒ ｓ ｅ ｓ ｌ ｏ ｐｅ ｅ ｎ ｇｉ —
粒子群优化算法反演无线电波导传输损耗分布
粒子群优化算法反演无线电波导传输损耗分布
随着移动通信技术的发展，无线电波导传输已经成为了一种重要的信号传输方式。
然而，在无线电波导传输过程中，由于波导结构的不规则变化和环境干扰等因素的存在，在一些情况下会导致无线电波导传输损耗分布出现不均衡的现象，这不仅降低了传输质量，也增加了维护成本。
因此，对无线电波导传输损耗分布的精确反演成为了研究的热点和难点。
粒子群优化算法是一种基于群体智能的优化算法，广泛应用于解决各种复杂的优化问题。
本文介绍了一种基于粒子群优化算法的无线电波导传输损耗分布反演方法。
首先，我们建立了一个波导传输模型，将波导传输损耗分布表示为一个函数的形式，并将函数的参数设置为优化变量。
然后，我们定义了一个适应度函数来评估每个个体的适应性，以粒子群优化算法为基础，不断地迭代个体位置和速度，直到达到最优解。
为了验证该方法的有效性，在Matlab软件上进行了数值模拟。
结果表明，该方法可以快速有效地反演无线电波导传输损耗分布，并且具有很高的准确性和稳定性。
综上，本研究展示了一种基于粒子群优化算法的无线电波导传输损耗分布反演方法。
该方法不仅具有高效性和准确性，而且可以为无线电波导传输的优化和维护提供有力的支持。
未来，将进一步探索其他基于群体智能算法的反演方法，并对该方法进行更加系统的优化和改进。
基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用
基于粒子群优化的WA-SVM模型在滑坡位移预测中的应用杨虎;吴北平;陈美华;李前云【摘要】针对滑坡位移时间序列含大量噪声、具有明显的非线性等特征,本文提出了一种基于粒子群优化(PSO)的小波分析(WA)-支持向量机(SVM)滑坡位移预测模型(即WA-SVM模型).该模型在混沌分析的基础上,首先用WA将滑坡位移序列分解成不同频率的分量,然后采用PSO算法优选SVM模型参数,并利用SVM模型预测各分量值,最后将各分量预测值组合得到最终预测值.结合滑坡位移序列实例,将基于粒子群优化的WA-SVM模型的预测结果与WA-BP模型、单独SVM模型进行对比,结果表明该滑坡位移序列存在混沌特性,基于粒子群优化的WA-SVM模型克服了噪声的干扰和参数优选的问题,具有较高的预测精度和预测效率,为滑坡位移的预测提供了一种新的方法.【期刊名称】《安全与环境工程》【年(卷),期】2014(021)004【总页数】6页(P13-18)【关键词】滑坡;位移预测;混沌;粒子群优化;小波分析;支持向量机【作者】杨虎;吴北平;陈美华;李前云【作者单位】海南水文地质工程地质勘察院,海南海口570100;中国地质大学信息工程学院,湖北武汉430074;湖南有色测绘院,湖南长沙410129;重庆市208水文地质工程地质队,重庆400700【正文语种】中文【中图分类】X43;P642.22我国滑坡灾害非常严重，加强对典型滑坡体的地质调查、监测和治理，对可能发生的滑坡进行预测，具有重大的经济和社会意义［1］。
滑坡体受到岩土类型、地形地貌、气候及人类活动等因素的影响，是一个复杂的非线性系统，目前仅用物理方法或数学方法还难以对滑坡进行完全描述，需要借助数理统计及其他一些不确定方法来加以描述，以弥补物理方法等存在的不足。
目前各种借助于时间序列分析的方法在揭示滑坡位移时间序列规律中起着很重要的作用，其中混沌分析法在滑坡位移序列中获得了较广泛的应用，如李端有等［2］通过对滑坡位移序列进行混沌识别，结果表明滑坡位移序列中存在混沌特性。
滑坡抗剪强度参数反演方法研究的开题报告
滑坡抗剪强度参数反演方法研究的开题报告一、选题背景滑坡作为一种自然灾害，对人类的生命财产造成了极大的威胁。
因此，对滑坡的稳定性评估、预测和防治是非常重要的，其中涉及到滑坡抗剪强度参数的反演问题。
而抗剪强度是滑坡稳定性的重要因素之一，因此对滑坡抗剪强度参数反演方法的研究具有重要的现实意义和理论价值。
二、选题意义滑坡抗剪强度参数反演方法的研究，对于高效地评估滑坡的稳定性、预测滑坡的演化趋势、设计滑坡防治方案等方面有着重要的意义。
其研究成果可为滑坡监测与防治提供科学支撑，并为工程技术人员提供滑坡工程的理论指导。
三、研究内容本研究将主要围绕滑坡抗剪强度参数反演方法展开研究，具体研究内容包括以下方面：1. 回顾滑坡理论与抗剪强度参数反演方法研究的进展。
2. 归纳分析现有滑坡抗剪强度参数反演方法的优缺点，并提出改进措施。
3. 基于地形分析、岩土工程力学模型和数值仿真等方法，构建滑坡抗剪强度参数反演模型。
4. 利用实测数据和数值模拟数据进行模型验证和效果评估，验证所提出的滑坡抗剪强度参数反演方法的有效性和可靠性。
四、研究方法本研究将采用文献综述、数值模拟、实验观测等多种研究方法，通过对现有滑坡抗剪强度参数反演方法进行深入分析，设计性质优良的滑坡抗剪强度参数反演模型，并通过实测和数值模拟的数据进行验证和效果评估。
同时，本研究还将关注对滑坡抗剪强度反演模型的可靠性和精度进行分析，以便更好地为滑坡工程提供可靠的理论支持。
五、研究预期结果本研究的主要预期结果包括：1. 构建一种新的滑坡抗剪强度参数反演模型，提高滑坡抗剪强度反演的精度和准确性。
2. 验证所提出的滑坡抗剪强度参数反演方法的有效性和可靠性，为滑坡防治工作提供科学支撑。
3. 为今后更好地实施滑坡抗剪强度参数反演方法的研究和应用提供参考。
六、研究计划1. 第一年：调研滑坡抗剪强度参数反演方法的研究现状，构建滑坡抗剪强度参数反演模型。
2. 第二年：利用实测和数值模拟数据验证所设计的滑坡抗剪强度反演模型的有效性和可靠性。
滑坡非线性抗剪强度参数可靠度反演方法与工程应用
滑坡非线性抗剪强度参数可靠度反演方法与工程应用汇报人：日期:•引言•非线性抗剪强度模型•参数反演方法•工程应用案例•结论与展望目录引言01研究背景与意义抗剪强度参数的重要性抗剪强度参数是滑坡稳定性分析中的关键参数，直接影响滑坡的稳定性评估和防治措施的设计。
非线性模型的必要性传统的线性模型已无法满足现代工程中对滑坡稳定性分析的要求，而非线性模型能够更好地模拟滑坡的复杂行为。
滑坡灾害的严重性滑坡是一种常见的自然灾害，给人类社会和自然环境带来巨大的威胁和损失。
现状目前，滑坡非线性抗剪强度参数的研究已经取得了一定的成果，包括通过物理模型试验、数值模拟和反演等方法进行研究。
不足现有的研究方法在处理滑坡非线性抗剪强度参数的可靠度反演方面还存在不足，如缺乏对反演结果的可靠性和稳定性的充分评估，无法直接应用于工程实践。
研究现状与不足研究内容：本研究旨在提出一种滑坡非线性抗剪强度参数可靠度反演方法，并通过工程应用实例验证该方法的可行性和有效性。
方法基于物理模型试验：通过物理模型试验获取滑坡非线性抗剪强度参数的基础数据，为反演提供依据。
建立非线性模型：利用数值模拟技术，建立滑坡非线性模型，并采用实测数据进行验证。
反演算法设计：根据非线性模型的特点，设计一种基于概率统计的反演算法，实现滑坡非线性抗剪强度参数的可靠度反演。
工程应用实例：将所提出的方法应用于实际工程中，验证其可行性和有效性。
研究内容与方法非线性抗剪强度模型02滑坡是一种常见的自然灾害，对滑坡的稳定性进行分析是预防和减轻灾害的重要手段。
抗剪强度参数是滑坡稳定性分析中的关键参数之一。
滑坡的稳定性分析滑坡抗剪强度具有非线性特点，即在不同应力状态下，抗剪强度值也会发生变化。
因此，建立非线性抗剪强度模型对于准确预测滑坡稳定性具有重要意义。
非线性特点滑坡抗剪强度模型概述模型参数非线性抗剪强度模型的建立需要确定多个参数，包括初始剪切强度、应变硬化系数、应变软化系数等。
四川震区某滑坡计算参数反演分析
四川震区某滑坡计算参数反演分析【摘要】在详述代家沟滑坡灾害形态及变形特征基础上，对该滑坡的稳定性进行了反演分析，取得了可靠的设计参数，这为该滑坡的防治提供了重要的依据。
引言在滑坡稳定性计算和治理设计中，滑带土的粘聚力和内摩擦角取值正确与否至关重要。
目前确定滑带土抗剪强度参数（C 、Φ）值的方法有试验、工程类比和反演分析3种。
滑带土剪切试验分为现场或室内两种，受试样和试验条件的限制，滑带土试验数据通常很离散，需要进行分析计算来确定。
工程类比法在确定滑带土的抗剪强度参数时具有很强的主观性，在确定类比指标时又受到类比滑坡客观条件的限制。
本文以代家沟滑坡为例，在C 、Φ值未知的情况下，综合采用经验类比和反演分析方法确定滑带土的抗剪强度参数，分析时兼顾滑坡的区域相似性和个体特性，所得到的结果更为准确、可靠。
1. 滑坡概况该滑坡位于大邑县悦来镇东北约2km 处。
研究区位于构造剥蚀丘陵区，地势西北高东南低，附近海拔高程560～642m ，相对高差82m ，山坡坡度25～30°，沟谷呈开阔“U”型，沟底宽20～50m 。
出露地层主要为第四系松散堆积层和白垩系灌口组地层。
滑坡危险区范围包括滑坡分布区、滑动可能覆盖的区域等影响范围，滑坡总面积为0.9×104m2。
其主要威胁对象为悦来镇盐井村10社15户36人，房屋81间。
给当地居民生命财产造成极大威胁。
2. 滑坡灾害特征2.1滑坡区地貌形态及边界特征代家沟滑坡区为斜坡地貌，斜坡坡度20—28°，滑坡体左右侧以基岩出露处为边界，后滑壁以基岩陡坎为界，前缘至盐井村10社村民房屋后陡坎。
滑坡体前缘宽约200m ，纵向斜长65m ，主滑方向230°，面积约0.9×104m2。
滑坡体前缘、后缘松散堆积物厚度1.61～2.60m ，滑体中部4.80～5.20m ，滑坡体积约3.5×104m3，规模属于小型。
滑坡体表面形态呈阶梯状，滑坡剪出口呈陡坎状，坎高0.5～1.0m ；滑坡体上距剪出口约20m 处分布一条走向130°的陡坎，陡坎长约75m ，坎高3.0～4.0m ，陡坎以下斜坡坡度25°，陡坎以上斜坡坡度20°。
基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例
基于变异粒子群算法的大坝土料流变参数反演——以观音岩混合坝为例贾宇峰;朱茂林;迟世春【摘要】观音岩水电站混合坝在竣工后发生了较大的流变变形,导致土石坝坝段在蓄水一个月后出现了裂缝.为分析坝体裂缝产生的原因,采用并行变异粒子群算法,根据观音岩混合坝竣工后的坝体沉降观测数据反演了筑坝堆石料和心墙料的流变参数.进一步根据反演参数进行了坝体的三维有限元计算,分析和预测了大坝在蓄水期和运行期的变形特性.结果表明,较大的蓄水期不均匀沉降及较大的坝体流变变形是坝体产生裂缝的主要原因.【期刊名称】《人民长江》【年(卷),期】2017(048)014【总页数】6页(P73-78)【关键词】流变参数;堆石料;心墙料;并行变异粒子群算法;观音岩水电站【作者】贾宇峰;朱茂林;迟世春【作者单位】大连理工大学近海与海岸工程国家重点试验室,辽宁大连116024;大连理工大学建设工程学部工程抗震研究所,辽宁大连116024;大连理工大学建设工程学部工程抗震研究所,辽宁大连116024;大连理工大学近海与海岸工程国家重点试验室,辽宁大连116024;大连理工大学建设工程学部工程抗震研究所,辽宁大连116024【正文语种】中文【中图分类】TV698抗震研究所，辽宁大连 116024)观音岩水电站位于云南省丽江市华坪县与四川省攀枝花市交界的金沙江中游, 为金沙江中游河段规划8个梯级电站的最末一个梯级, 上游与鲁地拉水电站相衔接。
工程以发电为主, 兼有防洪、库区航运和旅游等综合效益。
水库正常蓄水位1 134 m，死水位1 122 m，电站装机容量3 000(5×600)MW。
总库容为22.50亿m3，正常蓄水位库容为20.72亿m3，调节库容5.55亿m3，水库具有周调节性能。
由于坝址右岸河床附近存在较大范围的强风化覆盖层，坝基的承载力不足，只能布置心墙堆石坝。
因此，观音岩水电站采用混凝重力土坝和心墙堆石坝结合的混合坝作为挡水建筑物。
基于异步粒子群优化算法的边坡工程岩体力学参数反演
基于异步粒子群优化算法的边坡工程岩体力学参数反演张太俊;徐磊【摘要】基于现场变形观测资料的优化反演是确定边坡岩体力学参数的主要方法之一,其本质是一个岩体力学参数的寻优过程,因而,如何选择一个高效的优化算法是其核心问题之一.目前,粒子群优化算法已被应用于边坡工程力学参数反演,但其算法实现为同步模式,最优粒子的信息不能及时共享,降低了优化效率,使得反演耗时较多.鉴于此,提出基于异步粒子群优化算法的边坡工程岩体力学参数反演,该算法的搜索步伐并不一致,粒子间表现出异步性,因而寻优效率明显高于同步模式,可有效解决在边坡工程中岩体力学参数反演中存在的低效问题.在此基础上,构建了边坡工程岩体力学参数反演模型,并采用ABAQUS作为反演分析中的正分析工具,给出了边坡工程岩体力学参数反演的实现流程,完成了程序编制,进而通过算例分析,验证了所提出的方法和程序编制的可行性和高效性.【期刊名称】《三峡大学学报（自然科学版）》【年(卷),期】2014(036)001【总页数】5页(P37-41)【关键词】边坡工程;异步粒子群算法;力学参数反演;ABAQUS【作者】张太俊;徐磊【作者单位】河海大学水利水电学院,南京 210098;河海大学水利水电学院,南京210098【正文语种】中文【中图分类】TV3;U627合理确定边坡岩体力学参数是正确评价其稳定安全性的关键前提.传统室内、现场试验与工程类比等方法确定边坡岩体力学参数存在固有缺陷.近年来，根据位移监测信息来反演边坡工程岩体力学参数的智能反演分析方法得到快速发展，已经成为解决边坡工程岩体力学参数反演的有效方法.目前，在岩土工程参数反演中应用较多的智能方法有人工神经网络、粒子群算法等［1－6］.人工神经网络反演方式需要进行样本设计，其反演参数结果的精度直接取决于样本的准确性.粒子群算法可进行直接反演，该算法易于实现全局收敛，效率较高，但是最优粒子信息不能及时共享.鉴于此，为了使得边坡岩体力学参数的反演更具高效性，采用一种比标准粒子群算法更高效、收敛更快的异步粒子群智能算法［7－14］，该算法的优点在于提高信息共享的效率和加强信息交换的能力.边坡岩体力学参数实现方法的提出及其相应的数学描述还不足以使反演顺利开展，除非采用功能强大的、高效的正分析工具.随着计算机技术和数值计算方法的发展，有限元商业软件在工程设计和科研领域得到了越来越广泛的重视和应用，如ABAQUS具有强大的非线性分析功能、丰富的可模拟任意形状的单元库和与之相应的材料库、高效求解器、更有力的网格划分和强大的结果可视化技术，并已在包括边坡工程在内的岩土工程领域得到广泛的应用.为此，将异步粒子群算法和ABAQUS两者结合起来，开发出一套程序用于边坡岩体力学参数的反演，并通过开展算例分析，验证了所提出的方法和程序编制的可行性和高效性.1 边坡工程岩体力学参数反演模型本文在已有研究成果的基础上，建立高效反演模型用于反演边坡工程中的岩体力学参数.该反演模型采用ABAQUS作为正分析工具，建立以位移量为自变量的目标函数，构建优化反演数学模型，基于异步粒子群智能优化算法进行反演.在建立反演分析计算方法的研究中，变形观测资料一般用作建立反演计算方程的输入量，因而通常是进行反演计算的主要依据.变形观测资料主要包括位移量、应力量或应力增量的量测值，以及描述这些物理量随时间而变化的规律的曲线等，采用位移反分析.1.1 反演数学模型在理想状态下，监测点的有限元位移计算值应与位移监测值相一致，而目标函数值则用于判断这种一致性.由于理论上和监测上的偏差，这使得监测点的位移计算值与监测值存在误差，因此优化反演的目的致力于寻找使两者之间的误差为最小的解答，这类目标一般通过建立目标函数来实现，以测点位移实测值与有限元位移计算值之间的误差作为目标函数.对于边坡工程岩体力学参数反演，建立如下反演数学模型：其中J：D→R为一个线性或非线性映射，数学表达式如下：式中，Uci（s）为测点的有限元计算值；Uti（s）为监测点实测值.为了求解最优边坡力学参数，要求在可行集合T寻找最优解sopt使得在边坡工程力学参数反演中，计算模型通常都很复杂，且计算规模很大，选择一个高效的优化算法十分必要.异步粒子群优化算法（PSO）是一种基于标准粒子群算法的高效智能仿生进化算法，具有易于实现全局优化、收敛速度快等优点，为此，采用该算法来开展边坡工程岩体力学参数反演.1.2 异步粒子群算法粒子群算法（PSO）是1995年由社会心理学家Kennedy和电气工程师Eberhart 提出的一种群体智能优化算法，它通过个体间的协作与竞争来完成复杂搜索空间中最优解的搜索.在协作过程中，每个粒子通过信息交流，共享最优粒子的信息，进而更新自己来完成粒子群最优解的搜索；在竞争过程中，粒子群通过每个粒子的适度值寻找到最优粒子，粒子间通过竞争产生最优粒子，不是最优的粒子被群体丢弃，进而每个粒子向最优粒子移动.在PSO算法中，优化问题的潜在解都可以认为是d 维搜索空间上的一个点，称之为“粒子”（Particle），若干个粒子构成一个粒子群.对于一个粒子群而言，它的每个粒子都有一个被目标函数决定的的适应度，每个粒子都具有位置和速度两个特征，位置决定粒子的适应度，而速度决定下一代粒子运动的方向和距离.在每次迭代过程中，粒子通过跟踪个体极值pBest和全局极值gBest来实现代际更新，直到在整个搜索空间中找到最优解或达到最大迭代次数为止.假设在一个n维的搜索空间中，由m个粒子构成一个粒子群X＝［x1，…，xi，…，xm］，其中，第i个粒子的位置为xi＝［xi1，xi2，…，xin］T，其速度为vi＝［vi1，vi2，…，vin］T，其个体极值为pi＝［pi1，pi2，…，pin］T，全局极值为pg＝［pg1，pg2，…，pgn］T，则粒子xi将按下式改变其位置和速度以完成代际更新.式中，j＝1，2，…，m，d＝1，2，…，n，k为粒子更新代数，wk为惯性权重，控制PSO算法的搜索能力，wk取值较大，则全局寻优能力强，局部寻优能力弱，wk通常依代数的增加而线性递减.rand（）代表均匀分布于（0，1）之间的随机数，c1、c2为加速常数，一般取2.0.式（5）中，第1部分为粒子先前行为的惯性，第2部分为“认知（cognition）”部分，表示粒子本身的思考；第3部分为“社会（social）”部分，表示粒子间的信息共享与相互合作.对于粒子群算法，在上述粒子间协作过程中，每个粒子共享信息时的行为表现出同步性，即在每次迭代中，每个粒子通过自己代际间的适度值更新个体极值，粒子群通过同一个迭代步中的粒子适度值更新粒子群全局最优值，最优粒子的信息不能及时共享.为了提高信息共享的效率和加强信息交换的能力，从而减少计算机运行时间，提高优化效率，在粒子间竞争过程中，当每个粒子的适度值小于共享信息的最小值时，粒子群的每个粒子把共享信息的最优值作为个体最优值，来进行粒子群更新，这使得粒子在协作竞争过程中表现出异步性，所以将它称为异步粒子群算法（简称为APSO算法，下同）.异步粒子群算法（APSO）实现流程图见图1.1.3 反演程序研制提出了边坡岩体力学参数的联合反演法，该方法基于异步粒子群算法和通用有限元软件ABAQUS，并考虑边坡的系统锚杆等效模拟，编制了相应的计算程序.该程序在获取有限元计算模型信息和反演参数信息的基础上，首先采用随机方法初始化粒子群，并基于每个粒子的位置，自动生成可以被ABAQUS求解器调用的INP文件来进行边坡工程的有限元正算分析.进而计算粒子的适应度（即目标函数值）并基于异步粒子群算法完成粒子更新，直至找到符合预定最小阈值的最优粒子或达到最大迭代次数为止，程序实现如下.图1 异步粒子群算法流程图步骤1：根据反演参数的取值范围和个数随机初始化种群.步骤2：调用ABAQUS进行有限元正演计算，读入计算位移值，计算目标函数值. 步骤3：依据每个粒子的目标函数值，计算第一代粒子群的适应度、个体极值及全局极值.步骤4：判断适度值是否小于给定阀值.如果是程序结束并输出结果，否则进入步骤5.步骤5：按式（1）更新粒子的速度，按式（2）更新粒子的位置，调用ABAQUS进行有限元正演计算，计算目标函数值.然后进行异步粒子群更新，根据粒子适度值找到全局极值和全局最优位置.步骤6：判断适度值是否小于给定阀值或者小于给定迭代次数，若不满足则返回步骤5，否则程序结束并输出结果.2 算例分析为了验证本文所提出的APSO－ABAQUS联合反演法在边坡工程中岩体力学参数反演的可行性和高效性，进行如下算例分析.假定由两种岩体构成的边坡工程分3步开挖，高为50m，上两级坡比为1∶1，开挖高度为15m；第三级开挖坡比为1∶0.5，开挖高度为20m.上层岩体高为30m，下层岩体高为50m.本构模型采用D－P弹塑性模型，岩体材料参数见表1.表1 岩体力学参数岩体名称弹性模量MPa上层岩体／MPa 泊松比内摩擦角ψ／°粘聚力／5 000 0.25 45.0 0.8 4 200 0.30 68.5 0.4下层岩体对于岩体中的初始地应力，取自重应力场作为初始地应力场进行计算.对于实测变形资料，根据工程经验，首先给定一组边坡岩体力学参数（弹性模量为4200MPa，摩擦系数为0.8，粘聚力为0.4MPa）进行有限元数值计算，并以测点的计算位移值作为反演所需的实测变形资料.边坡工程分3次开挖，整体有限元计算模型如图2所示，边坡开挖体有限元计算模型如图3所示.图2 整体有限元计算模型（图中数字代表材料号）图3 边坡开挖体有限元计算模型（图中数字代表开挖步序）随后应用所研制的程序反演边坡岩体力学参数，最后将反演所得的岩体边坡材料参数与给定的材料参数进行对比分析，验证了所提出方法及相关程序的可行性.根据以上有限元模型，把材料号标为1的材料作为反演材料组，把材料号标为2的材料作为定值材料组.设置种群规模为20，学习因子c1＝c2＝2.0，惯性权重w1＝0.9，w2＝0.4，最大迭代次数取为100，迭代收敛精度为0.01.优化算法程序迭代了19次，通过程序反演上层岩体的弹性模量、摩擦系数和粘聚力，其最终结果与初始值对比见表2，反演求解迭代过程曲线如图4～5所示.表2 反演参数对比结果参数名称弹性模量／MPa 摩擦系数粘聚力／4 200 0.8 0.4反演值 4 314 0.68 0.45相对误差MPa真实值2.7 15.0 12.5图4 异步粒子群反演迭代过程曲线图5 粒子群反演迭代过程曲线根据表2由边坡实测开挖变形进行的弹性分析可以看出，反分析得出的岩体弹性模量与实测值相当接近，误差可以控制在5%以内，结果表明岩体对材料的弹性模量敏感，反分析得出的岩体摩擦系数和粘聚力与实测值有较大误差，相对误差可控制在15%左右，结果表明岩体对材料的摩擦系数和粘聚力不敏感，从而说明程序的实用性.为了说明程序的高效性，给出了粒子群反演迭代过程曲线，对比可知异步粒子群算法的迭代次数明显小于粒子群算法的迭代次数.另外，基于前人在评价优化算法上做的研究，对于两种算法，选择平均截止代数和截止代数分布熵来评估这两种算法的收敛速度和收敛不稳定性［15］.然后，为了评估优化效率，构建笛卡尔直角坐标系，以平均截止代数为X轴，以截止代数分布熵作为Y轴，分别确定异步粒子群算法和粒子群算法的坐标，即X值和Y值，以它们据原点的距离作为评价算法优化效率的指标，距离越小，优化效率越高.两种算法的优化效率如图6所示.对于多次独立运行的PSO算法和APSO算法，从图6可以明显看出，APSO算法比PSO算法优化效率要高，而且平均截止代数要小，收敛稳定性较好.图6 两种算法优化效率对比3 结语合理确定边坡岩体力学参数是正确评价其安全性的关键前提.传统试验方法和工程类比方法和实际情况有一定误差，在已有研究成果的基础上，以功能强大的ABAQUS为正分析工具，建立以位移量为自变量的目标函数，构建优化反演数学模型；基于异步粒子群智能优化算法，建立能够反映主要影响因素作用的基于变形观测资料的高效反演模型.研制的程序是在粒子群算法的基础上，将粒子群算法的同步更新改进为异步更新的方式，从而每个粒子的更新都可以用到当代其他已经更新的粒子的信息，提高信息共享的效率和加强信息交换的能力，可保证搜索到全局最优解的同时，使算法更易于收敛.结合边坡工程的算例，采用弹塑性计算模型，较好地模似边坡工程结构的开挖，成功地反演岩石的力学参数（弹性模量、摩擦系数、粘聚力）.程序运行结果表明，其计算精度是满意的.联合反演程序能够实现基于边坡工程施工期变形观测资料的岩体力学参数反演，验证所提出的方法和程序编制的可行性和高效性.参考文献：［1］田明俊.智能反演算法及其应用［D］.大连：大连理工大学，2005.［2］ Kavangh K，Clough R W.Finite Element Applications in the Characterization of Elastic Solids［J］.Int.J.Solids Structure，1971（7）：11－23.［3］ Sakuali S，Takeuchi K.Back Analysis of Measured Displacement of Tunnel［J］.Rock Mech.and.Rock Eng，1983，16（3）：173－180.［4］王芝银，杨志法，王思敬.岩石力学位移反演分析问题及进展［J］.力学进展，1998，28（4）：488－498.［5］蒋树屏.岩体工程反分析研究的新进展［J］.地下空间，1995，15（1）：25－33.［6］韩峰，徐磊，张太俊.坝基岩体力学参数的PSOABAQUS联合反演［J］.河海大学学报：自然科学版，2013，41（4）：321－325.［7］张磊，高尚.基于异步粒子群优化算法的图像分割方法［J］.微电子与计算机科学，2009，26（4）：174－177.［8］刘蒙蒙.骡坪隧道施工监测及其围岩参数的智能反分析研究［D］.成都：西华大学，2009.［9］沈永飞.边坡位移反分析及其工程应用研究［D］.重庆：重庆大学，2010. ［10］张丽平.粒子群优化算法的理论及实践［D］.杭州：浙江大学，2005. ［11］贾善坡，伍国军，陈卫忠.基于粒子群算法与混合罚函数法的有限元优化反演模型及应用［J］.岩土力学，2011，32（S2）：598－603.［12］常晓林，喻胜春，马刚，等.基于粒子迁徙的粒子群优化算法及其在岩土工程中的应用［J］.岩土力学，2011，32（4）：1077－1082.［13］雷金波，陆晓敏，任青文，等.索风营水电站右岸地下厂房洞室群围岩稳定数值模拟［J］.长江科学院院报，2011，28（1）：47－52.［14］王伟，改进粒子群优化算法在边坡工程力学参数反演中的应用［D］.南京：河海大学，2007.［15］孙瑞祥，屈梁生.遗传算法优化效率的定量评价［J］.自动化学报，2000，26（4）：552－556.。
基于数值模拟与位移监测的滑坡抗剪强度参数反演分析研究
基于数值模拟与位移监测的滑坡抗剪强度参数反演分析研究汤罗圣;殷坤龙;周丽;缪海波【摘要】三峡库区地质灾害三期监测项目中存在一些滑坡没有进行滑带土室内剪切试验,对于如何较准确选取这类滑坡抗剪强度参数目前研究还比较少.提出以区域统计规律及工程地质类比方法得到的滑坡抗剪强度参数初选值为基础,以滑坡在三峡库区库水位调度下选取计算工况下的监测位移及其趋势为判断依据,采用数值模拟手段对滑坡的抗剪强度参数进行反演分析,最后结合宏观变形与位移监测对反演结果进行检验.以三峡库区某滑坡为例,运用FLAC3D数值模拟软件得到该滑坡的抗剪强度参数:c=20.0kPa；Φ=19.0°.%Abstrast; Slip z one soil shear tests have not been conducted in some landslides which are parts of the three periods of geological disaster monitoring projects in the Three Gorges Reservoir area. At present the parameters for this kind of landslides is insufficient. This article introduces the numerical simulation method to determine the shear strength parameters by inversion analysis, which will be inspected with macro-deformation and displacement monitoring data. Based on the primary values of shear strength parameters obtained with the engineering geological analogy method, a regional statistical rule and the landslide monitoring displacement trend in calculation conditions are selected from the scheduled water levels of the Three Gorges Reservoir area. Taking a landslide in the Three Gorges Reservoir area as an example, the shear strength parameters of the landslide are obtained by using the FLAC3D numerical simulation software, and the value is; c =20. 0 kPa, φ = 19.0°【期刊名称】《水文地质工程地质》【年(卷),期】2012(039)004【总页数】6页(P32-37)【关键词】计算工况;监测位移;数值模拟;抗剪强度参数;反演分析【作者】汤罗圣;殷坤龙;周丽;缪海波【作者单位】中国地质大学(武汉)工程学院,武汉 430074;中国地质大学(武汉)工程学院,武汉 430074;江西省水文地质工程地质大队,南昌 330095;中国地质大学(武汉)工程学院,武汉 430074【正文语种】中文【中图分类】P641.1滑坡抗剪强度参数是滑坡稳定性评价和滑坡治理最重要的指标，也是滑坡防治工程设计中最基本的设计依据，其取值正确与否会直接影响到滑坡的稳定性计算和工程设计[1］。
基于粗糙集和粒子群优化支持向量机的滑坡变形预测
基于粗糙集和粒子群优化支持向量机的滑坡变形预测赵艳南;牛瑞卿;彭令;程温鸣【摘要】以三峡库区白水河滑坡为例，首先分析降雨量与库水位等影响因素与滑坡变形特征的响应关系，然后利用粗糙集理论对10个初始影响因子进行属性约减，筛选出影响滑坡变形的核因子集，最后基于该因子集建立粒子群优化支持向量回归模型，对滑坡位移速率进行预测。
研究结果表明：测试样本的预测结果与实测值变化趋势基本一致，其平均绝对误差为0.234 mm/d，均方差和判定系数分别为0.163和0.520。
粗糙集理论在分析滑坡变形特征、筛选关键因子方面的适用性与科学性，构建的粗糙集−粒子群优化支持向量机模型具有较高的泛化能力，是一种有效的滑坡变形预测方法。
%The Baishuihe landslide in the Three Gorges Reservoir region was selected as an example. By analysing the response relationships between landslide deformation and influencing factors such as the rainfall and the reservoir water level, 10 initial influencing factors were reduced by using the rough set theory(RS). Then, the nuclear factor set influencing the landslide deformation was screened out. Finally, the particle swarm optimization (PSO)− support vector regression (SVR) model was established based on the nuclear factor set to predict landslide displacement rate. The results show that the test sample predictive mean absolute error, mean squared error and determination coefficient are 0.234 mm/d, 0.163 and 0.520, respectively. And the change trends are consistent between predicted results and the measured ones. The rough set theory is scientific and applicable in analysing landslide deformation characteristicsand selecting key factors. The RS-PSO-SVR model is an effective method in landslide deformation predicting with high generalization ability.【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2015(000)006【总页数】9页(P2324-2332)【关键词】滑坡变形预测;粗糙集;粒子群优化;支持向量机【作者】赵艳南;牛瑞卿;彭令;程温鸣【作者单位】中国地质大学武汉地球物理与空间信息学院，湖北武汉，430074;中国地质大学武汉地球物理与空间信息学院，湖北武汉，430074;中国地质环境监测院，北京，100081;中国地质大学武汉工程学院，湖北武汉，430074; 三峡库区地质灾害防治工作指挥部，湖北宜昌，443000【正文语种】中文【中图分类】P642.22滑坡是一种严重的地质灾害，受坡体自身地质条件及降雨、库水、地下水和人类工程活动等多种因素影响，表现出非常复杂的非线性演化特征，其位移预测是当今滑坡研究领域的一个热点。
滑坡计算参数反演分析
[3] 富凤丽，佴磊．中里滑坡反分析及强度系数取值研究［J］．长春科技大学学报，2000，30（2）：165～169．
[4] 林鲁生，蒋刚，白世伟等．土体抗剪强度参数取值的统计分析法［J］．岩土力学，2002，23（5）：570～574．
3 滑带土抗剪强度参数统计
对三峡库区二期崩塌滑坡治理工程和三期规前勘（调）察中的崩塌滑坡点的勘察试验资料进行分类统计，得到本区滑带土抗剪强度参数值，可以用于验证和优化反演得到的参数。经统计得到适合该滑坡的抗剪强度参数分布函数如表1，图2是滑带抗剪强度参数统计直方图。
表1 T2b1和T2b3滑带土的抗剪强度参数统计表
滑坡计算参数反演分析的优化算法
1 引言
在滑坡稳定性计算和工程设计中，滑带土的粘聚力（C）和内摩擦角（ ）取值正确与否至关重要。目前确定滑带土抗剪强度参数（C、 ）值的方法有试验、工程类比和反演分析3种。滑带土剪切试验分为现场或室内两种，受试样和试验条件的限制，滑带土试验数据通常很离散，需要进行分析计算来确定。工程类比法在确定滑带土的抗剪强度参数时具有很强的主观性，在确定类比指标时又受到类比滑坡客观条件的限制。反演分析是确定滑带土抗剪强度参数的一种有效的方法，根据滑坡的宏观变形状况假设滑坡的稳定性系数，再反算滑带土抗剪强度参数。反算是滑坡稳定性计算的逆过程，得到的参数更符合滑坡的变形情况，参数可以作为试验数据选取的参考，若没有试验数据时，可以直接作为稳定性计算、工程设计的参数。
K＝1.0
C(Kpa)
20
21.8
23.6
25.4
27.2
29
30.8
排土场滑坡体力学参数的反演分析
一
些 露 天 矿 排 土 场 由 于 周 围 环 境 条 件 的 限 制 或
其 他 原 因 ． 矿 山的剥 离 物堆 排在 古 滑体 上 ， 将 由于古
１０ 裂 缝 宽 度 ３ ～ ０ １． 体 向前 滑 移距 离 达 １ ５ ｍ． ０ ５ ｃ＂土 ３ １ ｍ。
后 来 经 过 地 表 位 移 监 测 ． 滑 动 变 形 之 大 已严 重 影 响 其
如何 确定 力 学 参数 及 沿 哪一 层 软弱 面破 坏 问题 进 行
分析 ． 便为工 程治理设 计提供数 据 。 以
二 、 土 场 变 形 与 基 底 工 程 地 质 概 况 排
成 ． 度一 般 ２ ５ 局 部达 ７ ８ 多 被改 造 为耕 地 。 厚 ～ ｍ、 ～ ｍ．
滑坡堆 积层分 布在 滑坡 区 ， 要有 碎石 土 ， 石土 ， 主 块 含
碎 石 块 石 的 亚 粘 土 亚 砂 土 组 成 ． 度 ３ ．～ ９３ 厚 ２８ ３ ．ｍ 三 软 基 底 排土 场 破 坏 模 式 与 力 学参 数 反演 确 定 厚
１ 土 场 滑 动 变形 特 点 ． 排 某 矿 山 排 土 场 位 于 红 河 地 区 ．于 ２ ０ ０ ４年 开 始 发
化 作用致使 排 土场产 生剧烈 变形 ： 汇水 区面积 大但相
第 四 系 由残 坡 积 、 滑 坡 堆 积 组
成 残 坡积 层沿勘 查 区地势 较低 的地 带均有 分 布 ， 主
部 以某煤 矿排 土场 为例 ． 就排 土场剧 烈滑 移变 形后 要 有 含 碎 石 的 亚 砂 土 或 亚 粘 土 、 分 地 带 为 块 石 土 组
２０。 ２＇。 ２２。 ２ ３。 ２４。 ｌ ２０￣ ２ 。 ２２。 ２ ０。 ２４。
基于粒子群优化算法的边坡临界滑动面搜索方法_黄晓锋
第３４卷第６期２０１４年１２月防灾减灾工程学报Ｊｏｕｒｎａｌ ｏｆ Ｄｉｓａｓｔｅｒ Ｐｒｅｖｅｎｔｉｏｎ ａｎｄ Ｍｉｔｉｇａｔｉｏｎ ＥｎｇｉｎｅｅｒｉｎｇＶｏｌ．３４Ｎｏ．６Ｄｅｃ．２０１４基于粒子群优化算法的边坡临界滑动面搜索方法＊黄晓锋，石 崇，朱珍德，王盛年，张仁成（河海大学岩土力学与堤坝工程教育部重点实验室、河海大学岩土工程科学研究所，南京２１００９８）摘要：采用数值计算结果进行极限平衡分析是边坡稳定性分析的重要方法，最危险滑移面位置的确定是边坡稳定性分析的关键。
采用粒子群优化理论控制位于滑移面后缘范围的滑入点和前缘剪出区域的滑出点，以均分逼近法控制滑面半径，实现了边坡内潜在滑移面位置的搜索及安全系数的计算，进而确定了边坡的最小安全系数及最危险潜在滑移面位置，搜索出的滑面不依赖于网格节点。
以昆明某公路滑坡为例，将搜索出的最危险滑面与现场勘察成果进行对比，结果表明，采用本文方法计算所得的结果与工程实际较为吻合，证明了该方法的有效性。
关键词：边坡稳定；粒子群优化（ＰＳＯ）；滑面寻踪；安全系数中图分类号：ＴＵ３５２．１ 文献标识码：Ａ 文章编号：１６７２－２１３２（２０１４）０６－０７５１－０７Ｄｅｔｅｒｍｉｎａｔｉｏｎ Ｍｅｔｈｏｄ ｏｆ Ｃｒｉｔｉｃａｌ Ｓｌｉｐ Ｓｕｒｆａｃｅ Ｂａｓｅｄ ｏｎ ＰＳＯ ＡｌｇｏｒｉｔｈｍＨＵＡＮＧ Ｘｉａｏ－ｆｅｎｇ，ＳＨＩ Ｃｈｏｎｇ，ＺＨＵ Ｚｈｅｎ－ｄｅ，ＷＡＮＧ Ｓｈｅｎｇ－ｎｉａｎ，Ｚｈａｎｇ Ｒｅｎ－ｃｈｅｎｇ（Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｇｅｏｍｅｃｈａｎｉｃｓ ａｎｄ Ｅｍｂａｎｋｍｅｎｔ，Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｇｅｏｔｅｃｈｎｉｃａｌ Ｒｅｓｅａｒｃｈ，Ｈｏｈａｉ Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ ２１００９８，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｉｔ ｉｓ ａｎ ｉｍｐｏｒｔａｎｔ ｍｅｔｈｏｄ ｆｏｒ ｓｌｏｐｅ ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ ｂｙ ｕｓｉｎｇ ｔｈｅ ｎｕｍｅｒｉｃａｌ ｒｅｓｕｌｔｓ ｏｆｌｉｍｉｔ ｅｑｕｉｌｉｂｒｉｕｍ ａｎａｌｙｓｉｓ，ａｎｄ ｈｏｗ ｔｏ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｌｏｃａｔｉｏｎ ｏｆ ｔｈｅ ｍｏｓｔ ｄａｎｇｅｒｏｕｓ ｓｌｉｐ ｓｕｒｆａｃｅ ｉｓｔｈｅ ｋｅｙ ｆｏｒ ｔｈｅ ｓｌｏｐｅ ｓｔａｂｉｌｉｔｙ ａｎａｌｙｓｉｓ．Ｔｈｉｓ ｐａｐｅｒ ｉｎｔｒｏｄｕｃｅｓ ａ ｍｅｔｈｏｄ，ｗｈｉｃｈ ｃｏｎｔｒｏｌｓ ｔｈｅ ｅｎｄ－ｐｏｉｎｔｓ ｏｆ ｓｌｉｐ ｓｕｒｆａｃｅ ｂｙ ｕｓｉｎｇ ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ ｔｈｅｏｒｙ，ａｎｄ ｃｏｎｔｒｏｌｓ ｔｈｅ ｓｕｒｆａｃｅ ｒａｄｉｕｓｂｙ ｅｑｕｉｐａｒｔｉｔｉｏｎ ａｐｐｒｏｘｉｍａｔｉｏｎ ｍｅｔｈｏｄ．Ｔｈｅ ｍｅｔｈｏｄ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ｓｅａｒｃｈ ｔｈｅ ｐｏｔｅｎｔｉａｌ ｓｌｉｐ ｓｕｒ－ｆａｃｅ ｉｎｓｉｄｅ ａ ｓｌｏｐｅ ａｎｄ ｔｏ ｃａｌｃｕｌａｔｅ ｔｈｅ ｓａｆｅｔｙ ｆａｃｔｏｒ ｏｆ ｓｌｉｐ ｓｕｒｆａｃｅ，ａｎｄ ｔｈｅｎ ｔｈｅ ｍｉｎｉｍｕｍ ｓａｆｅｔｙｆａｃｔｏｒ ｏｆ ｔｈｅ ｓｌｏｐｅ ａｎｄ ｔｈｅ ｍｏｓｔ ｄａｎｇｅｒｏｕｓ ｐｏｔｅｎｔｉａｌ ｓｌｉｐ ｓｕｒｆａｃｅ ｐｏｓｉｔｉｏｎ ａｒｅ ｄｅｔｅｒｍｉｎｅｄ．Ｕｓｉｎｇ ａｌａｎｄｓｌｉｄｅ ｏｆ Ｋｕｎｍｉｎｇ ｈｉｇｈｗａｙ ａｓ ａｎ ｅｘａｍｐｌｅ ｆｏｒ ａｎａｌｙｓｉｓ，ｃｏｍｐａｒｉｎｇ ｔｈｅ ｍｏｓｔ ｄａｎｇｅｒｏｕｓ ｓｌｉｄｉｎｇｓｕｒｆａｃｅ ｓｅａｒｃｈ ｗｉｔｈ ｆｉｅｌｄ ｓｕｒｖｅｙ ｒｅｓｕｌｔｓ，ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｃａｌｃｕｌａｔｉｏｎ ｒｅｓｕｌｔ ｉｓ ｃｏｎｓｉｓｔｅｎｔｗｉｔｈ ｔｈｅ ｐｒａｃｔｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ．Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ｖａｌｉｄｉｔｙ ｏｆ ｔｈｉｓ ｍｅｔｈｏｄ ｉｓ ｃｏｎｆｉｒｍｅｄ．Ｋｅｙ ｗｏｒｄｓ：ｓｌｏｐｅ ｓｔａｂｉｌｉｔｙ；ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ（ＰＳＯ）；ｓｌｉｐ ｓｕｒｆａｃｅ ｐｕｒｓｕｉｔ；ｓａｆｅｔｙ ｆａｃｔｏｒ＊收稿日期：２０１３－０９－２４；修回日期：２０１３－１１－０２基金项目：国家自然科学基金项目（４１２７２３２９、５１３０９０８９）、国家重点基础研究发展计划（９７３）项目（２０１１ＣＢ０１３５０４）、江苏省基础研究计划项目（自然科学基金）（ＢＫ２０１３０８４６）资助作者简介：黄晓锋（１９８９－），男，硕士研究生。
改进粒子群优化算法在边坡工程力学参数反演中的应用的开题报告
改进粒子群优化算法在边坡工程力学参数反演中的应用的开题报告1.选题背景和意义边坡工程是土木工程中最为重要的分支之一，其在地质灾害防治、山区基础设施建设等方面扮演着至关重要的角色。
由于边坡在长期的自然作用下，其力学性质会发生相应的变化，因此需要对边坡的力学参数进行反演，以便更好地评估工程的稳定性。
粒子群优化算法是一种常用于求解最优化问题的算法，其在求解非线性优化问题方面具有独特的优势。
因此，将粒子群优化算法应用于边坡工程力学参数反演中，不仅可以有效地提高反演精度和效率，还可以为相关科研和工程实践提供有力的帮助。
2.研究内容和方法本文旨在基于粒子群优化算法，研究其在边坡工程力学参数反演中的应用，并进一步改进算法以提高其性能。
具体的研究内容和方法包括：(1) 综述边坡工程力学参数反演的研究现状和发展趋势，分析粒子群优化算法的基本原理和在参数反演中的应用情况，提出研究的具体问题和目标。
(2) 改进粒子群优化算法的表现形式和优化策略，使其更适合于边坡工程力学参数反演中的问题求解，并通过数值计算和仿真实验验证其性能和效果。
(3) 将改进后的粒子群优化算法应用于边坡工程力学参数反演中的具体问题，探究算法求解的有效性和可行性，并提出相关的优化建议和改进方案。
3.预期结果和意义预计本研究将获得以下结果和意义：(1) 针对边坡工程力学参数反演中存在的问题和挑战，提出基于粒子群优化算法的求解方法，为相关科研与工程实践提供有效的支持和参考。
(2) 在改进算法的过程中，提高其搜索能力和收敛速度，在复杂优化问题中具有更强的适应性，进一步拓展了算法的应用领域。
(3) 通过数值仿真和实验验证，在边坡工程力学参数反演中具有较高的精确度和稳定性，可为预测边坡工程的稳定性提供重要的基础数据和分析方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在反分析中, 加速常数取为: c1 = c2 = 2. 05, vm ax = 5。设置种群规模为 40。反演参数 的搜索 范围 c为 ( - 5, 30), U为 ( - 5, 50)。反演结果与 室内、室外 试验后推 荐使用 的参数 对比 如表 2。 由表 2可以看出, 粒子群算法反演边坡强度参数 与实际比较吻合。
[ - vmax, vmax ]; vm ax是常数; j= 1, 2, ,为迭代次数。
2 边坡强度参数反分析的粒子群优化算法
强度参数反演具体实施步骤为 [ 4 ] : ( 1)初始化一个粒子群, 即 随机产生各粒子
收稿日期: 2007- 08- 21 作者简介: 张显 ( 1981- ), 男, 安徽涡阳市人, 硕士研究生, 主要研究方向为地质灾 害防治与预测。
# 74#
盐城工学院学报 (自然科学版 )
第 21卷
的初始位置和速度。在整个反分析问题参数求解
空间范围内随机产生一定数量的粒子群体, 形成
初始粒子群体, 这个过程相当于把一定数量的粒
子随机的散布在整个问题求解空间中, 这样一个 粒子的位置则对应于求解空间的一个点。并给每
个粒子个体赋初始位置和速度。
张显
(河海大学 土木工程学院, 江苏 南京 210098)
摘要: 介绍了一种全局最优化算法 ) ) ) 粒子群算法, 并把该算法应用到滑坡强度参数反演分析
中。实例表明, 该方法是一种有效的工程分析方法, 具有现实的工程意义。
关键词: 粒子群算法; 反演; 强度参数
中图分类号: TU 12 文献标识码: A
第 21卷 第 1期 2008年 03月
盐城工学院学报 (自然科学版 ) Journa l o f Y ancheng Institute o f T echno logy N a tura l Sc ience Ed ition
V o.l 21 No. 1 M a r. 2008
基于粒子群算法的滑坡强度参数反演分析
Back Analysis of Strength Param eters of Landslides Based on Particle Swarm A lgorithm
ZHANG X ian
( C iv il Eng ineering C ollege, H oha iU n iversity, Jiangsu N an jing 210098, China)
文章编号: 1671- 5322( 2008) 01- 0073- 03
滑坡滑带土抗剪强度参数是滑坡稳定性定量 评价和抗滑工程设计时计算滑坡推力所必需的重 要参数, 常常出现 U值相 差仅 1b~ 2b, 而推力可 能成倍增加, 故其参数选择直接影响到滑坡推力 的计算和整 治工程方案的 选定。由于土 介质成 因、成分、结构的多样性, 滑动过程及滑坡体本身 也复杂多变, 土体强度又随外界因素而变化, 且滑 带大多在地下一定深度, 致使现场大型剪切试验 不易实施 (坡体本身已不稳定 ), 而仅靠室内仪器 试验很难准确地模拟滑带土 (尤其是土夹碎石 ) 的实际受力状态和变化过程, 故试验数据很难给 出与实际情况完全相符的指标。因而采用滑坡反 分析方法对滑体的强度参数进行研究是得出符合 滑坡实际情况的综合抗剪强度指标 c、U值的主要 方法。文中应用粒子群算法反演滑坡抗剪强度参 数, 得到很好的效果。
gb es t的 值; ( 5)根据速度公式 ( 1)和位置公式 ( 2)计算粒
子新的速度和位置; 其中在速度的更新上, 粒子的
最大速度被限制在 vmax之内。如果某一维更新后 的速度超过设定 的 vm ax, 那么这 一维的速度将被 限定为 vm ax。
( 6)如达到迭代终止条件 (通常为一个预设
Abstrac t: P artic le swa rm algor ithm, a kind o f ove ra ll optim ization, is instructed in this paper and is app lied to reverse ana lysis o f slopes 'strength param ete r. The exam ple indicates tha t it is an effective eng ineer ing ana lys is me thod and of realistic eng ineer ing s ign i fican ce. K eywords: pa rtic le swarm algorithm; reve rse ana lysis; strength param eter
( 2)根据目标函数评价 每个粒子的适应 度; 粒子适应度用来评价粒子位置的优劣程度, 也是
算法速度的控制标准之一。文中采用的目标函数
为 ( 3)式中
m
E q ( i) = m in (F (x i ) - F* (x i ) ) 2 ( 3) i= 1
m为 实测点总数; F ( xi ) 为第 i点的分析计 算值,F (x i )为含 c、U的函数; F* (x i )为第 i点位移实测 值。
第 1期
张显: 基于粒子群算法的滑坡强度参数反演分析
# 75#
表 2 反演结果及室内、室外试验后推荐使用的参数 T ab le 2 Inversion results and recomm ended
Param eters for u se af ter ou tdoor test and laboratory test
代式为
vj + id
1
=
vjid
+
c1
rj1
(
p
j id
-
xjid
)
+
c2 rj2 (pgjd
-
xgj d
)
( 1)
xj+ 1 id
=
x
j id
+
vj+ 1 id
( 2)
其中, i= 1, 2, ,, D; 加速常数 c1 和 c2 是非负
数; r1, r2 是介于 [ 0, 1] 之间的随机数。 vid I
参数
c
U
反演值
17. 2 kPa
25. 4b
推荐值
18 kP a
26. 5b
4 结论
( 1) 滑坡体的岩土力学参数可以根据室内试 验及现场试验获得。但由于室内试验的取样具有 随机性. 试样尺寸较小, 易受扰动以及加载条件简
化等因素, 作为反映滑坡体真实变形的力学参数 有其局限性。而现场试验存在受力不均匀、试验 经费高, 且有些大规模现场试验受滑坡体所处环 境的影响难以完成等问题。利用已有的监测数据 进行反分析是获取滑坡体力学参数的重要方法。
粒子本身目前找到的最优位置, 这个位置称为个
体极值 ( pbest) ; 另一个是整个粒子群目前找到的
最优位置, 这个位称为全局极值 ( gbest) [ 2 - 3 ] 。
设一个 D 维搜索空间, 其中有一个由 m 个粒
子组成的粒子群。该粒子群中的第 i 个粒子的位
置可用一个 D 维向 量表示为: X i = ( xi1, xi2, ,,
表 1 测点及位移
T ab le 1 D isp lacem en ts of m easur ing poin ts
m
测点号
01
02
03
04
05
06
07
x 向位移
0. 199 8 0. 266 7 0. 175 6 0. 351 2 0. 162 8 0. 375 0. 239 1
y 向位移
0. 246 0 0. 279 8 0. 176 5 0. 110 3 0. 386 2 0. 324 6 0. 196 8
的最大迭代代数或最小误差阀值 ), 则程序终止, 否则返回 Step2进行新一轮迭代。
粒子群算法流程图如图 1所示。
3 实例研究
3. 1 工程概况 某公路滑坡为一基岩微顺层滑坡, 滑体总面
积为 0. 29 km2, 滑体一般厚 38~ 42 m, 最厚 50 m
图 1 粒子群算法流程图 Fig. 1 F low char t of Particle Swarm A lgorithm
x iD ) 该粒子的速度用另一个维向量表示为: Vi = ( vi1, vi2, ,, viD )。记第 i 个粒子迄今为止搜索到
的最优位置 P i = ( pi1, p i2, ,, p iD ); 整个粒子群迄
今为止搜索到的最优位置 Pg = ( pg 1, pg 2, ,, pgD )。
用上标表示迭代次数, 粒子群算法的两个基本迭
( 2) 粒子群算法是一种模拟鸟群捕食行为的 集群智能方法, 是解决复杂连续函数优化问题的 理想方法。本文应用该方法反演滑坡强度参数, 实例证明, 该算法是进行反分析研究的好方法, 具 有一定的使用价值。
参考文献:
[ 1] 高玮. 基于粒子群优化的 岩土工程反分析研究 [ J]. 岩土 力学, 2006, 27( 5): 795- 798. [ 2] 吴建生, 秦发金. 基于 M ATLA B的粒子群优化算法程序设计 [ J]. 柳州师专学报, 2005, 20( 4): 97- 100. [ 3] 杨维, 李歧强. 粒子群优化算法综述 [ J]. 中国工程科学, 2004, 6( 5): 87- 93. [ 4] 高渤. 粒子群优化算法的 研究与展望 [ J]. 重庆工学院学 报, 2006, 20( 11): 62- 64.
在粒子群算法中, 优化问题的每个潜在解都
是搜索空间中的一只 / 鸟 0, 称之为 / 粒子 0。所有