智能計算與參數(shù)反演

前言

　　隨著計算機智能計算方法的不斷進(jìn)步和現(xiàn)場觀測手段以及觀測精度的不斷提高，根據(jù)現(xiàn)場觀測數(shù)據(jù)進(jìn)行巖土力學(xué)模型參數(shù)反演具有良好的應(yīng)用前景，根據(jù)反演的巖土力學(xué)模型參數(shù)進(jìn)行反饋設(shè)計，可以不斷完善和修正原來的工程設(shè)計參數(shù)。最優(yōu)估計的巖土力學(xué)模型參數(shù)是通過比較現(xiàn)場觀測到的信息數(shù)據(jù)與理論模型得到的模型數(shù)據(jù)的差異而得到的通過定義目標(biāo)函數(shù)。將參數(shù)識別反問題轉(zhuǎn)化為優(yōu)化問題處理基于梯度搜索方法的參數(shù)反演方法缺陷在于無法保證搜索到全局最優(yōu)解，其主要原因在于觀測誤差的存在和模型誤差的存在Tihonov（1963）證明，如果正問題（Forward Problem）是線性的，那么，反問題的解存在、唯一并且連續(xù)地依賴于觀測數(shù)據(jù)（穩(wěn)定）關(guān)于地下水反問題和熱傳導(dǎo)反問題以及位移反分析的數(shù)值反演試驗發(fā)現(xiàn)，當(dāng)正問題是線性時，如果當(dāng)不考慮觀測數(shù)據(jù)的觀測誤差時，反問題的解是唯一的，也就是說，目標(biāo)函數(shù)是凸函數(shù)，正如Tihonov所指出的那樣：但是、當(dāng)考慮到觀測數(shù)據(jù)的觀測誤差時，即使正問題是線性的，反問題的目標(biāo)函數(shù)是非凸的，反問題解是不唯一的。觀測誤差越大，目標(biāo)函數(shù)的局部極小值數(shù)目越多。

內(nèi)容概要

本書深入、系統(tǒng)地介紹了巖土力學(xué)模型參數(shù)的智能反演原理、方法、算法的實現(xiàn)及其工程應(yīng)用，旨在使讀者了解參數(shù)反演的工程背景和研究對象，理解和熟悉智能計算的基本原理和算法，掌握基于智能計算的參數(shù)反演的基本構(gòu)架和方法，為相關(guān)課題的深入研究和工程應(yīng)用打下基礎(chǔ)。    本書可供巖土工程、水利工程、地下工程、土木工程、交通工程、采礦工程、地質(zhì)工程、工程力學(xué)等專業(yè)高年級本科生、研究生和教師的參考書，還可以供從事智能計算與優(yōu)化的研究人員閱讀。

作者簡介

　　李守巨，男，1960年10月生，副教授，工學(xué)博士，環(huán)境與巖土力學(xué)研究室主任。1978年9月－1982年7月，阜新礦業(yè)學(xué)院采礦工程系學(xué)生；1982年8月－1983年7月，鐵法礦務(wù)局曉南礦開拓區(qū)501掘進(jìn)隊技術(shù)員；1983年8月－1986年7月，中國礦業(yè)學(xué)院（北京研究生部）礦山建筑工程系研究生；1986年8月－1994年8月，阜新礦業(yè)學(xué)院采礦工程系和礦山建筑系講師、副教授；1994年9月－現(xiàn)在，連理工大學(xué)工程力學(xué)系副教授。其中2002年3月－2004年12月，大連理工大學(xué)工程力學(xué)系在職攻讀博士學(xué)位。

書籍目錄

第1章  智能計算與參數(shù)反演概述  1.1  參數(shù)反演的工程背景  1.2  有關(guān)人類智能的定義  1.3  智能計算方法概述    1.3.1  遺傳算法及其發(fā)展歷程    1.3.2  人工神經(jīng)網(wǎng)絡(luò)及其發(fā)展和應(yīng)用現(xiàn)狀    1.3.3  模擬退火算法及其研究進(jìn)展    1.3.4  人工蟻群優(yōu)化算法發(fā)展和應(yīng)用現(xiàn)狀    1.3.5  啟發(fā)式優(yōu)化方法比較分析  1.4  基于智能計算的參數(shù)反演方法研究進(jìn)展    1.4.1  基于梯度搜索算法巖土力學(xué)反問題研究簡單回顧    1.4.2  基于人工神經(jīng)網(wǎng)絡(luò)方法巖土力學(xué)反問題研究進(jìn)展    1.4.3  基于遺傳算法巖土力學(xué)反問題研究進(jìn)展    1.4.4  基于模擬退火算法巖土力學(xué)反問題研究進(jìn)展  1.5  本書的主要內(nèi)容介紹  參考文獻(xiàn)第2章  參數(shù)識別反問題的適定性及其討論  2.1  經(jīng)典的最小二乘參數(shù)估計方法  2.2  參數(shù)識別反問題所要研究的內(nèi)容  2.3  求解反問題的特點和難點  2.4  反問題的基本求解方法    2.4.1  反問題的直接解法    2.4.2  反問題的間接求解方法  2.5  反問題解的適定性    2.5.1  反問題解的適定性的定義    2.5.2  反問題參數(shù)識別的可識別性    2.5.3  反問題參數(shù)識別的唯一性    2.5.4  反問題參數(shù)識別的穩(wěn)定性  2.6  參數(shù)識別結(jié)果的協(xié)方差分析  2.7  本章小結(jié)  參考文獻(xiàn)第3章  基于梯度搜索的巖土力學(xué)參數(shù)反演方法  3.1  參數(shù)識別反問題解的定義  3.2  基于Levenberg-Marquardt最小二乘的參數(shù)反演方法  3.3  基于BFGS優(yōu)化方法的參數(shù)反演方法  3.4  對偶邊界控制方法在反演中的應(yīng)用  3.5  數(shù)值算例    3.5.1  土體固結(jié)參數(shù)反演    3.5.2  基于BFGS優(yōu)化方法的初始地應(yīng)力場參數(shù)位移反分析    3.5.3  基于正則化最小二乘法的含水層參數(shù)反演  3.6  工程應(yīng)用——基于Gauss-Newton優(yōu)化算法的豐滿混凝土大壩彈性參數(shù)反演方法    3.6.1  工程概況    3.6.2  壩頂水平位移水壓分量的分離計算    3.6.3  參數(shù)識別結(jié)果  3.7  本章小結(jié)  參考文獻(xiàn)第4章  基于遺傳算法巖土材料力學(xué)參數(shù)反演方法  4.1  遺傳算法的基本原理和特點  4.2  遺傳算法的進(jìn)化過程和基本操作    4.2.1  編碼和解碼    4.2.2  初始種群的生成    4.2.3  適應(yīng)度值評價    4.2.4  選擇操作    4.2.5  交叉操作    4.2.6  變異操作    4.2.7  收斂準(zhǔn)則  4.3  遺傳算法運行參數(shù)的選擇  4.4  數(shù)值算例    4.4.1  多極值優(yōu)化問題算例    4.4.2  基于遺傳算法的巖土阻尼參數(shù)識別方法    4.4.3  基于遺傳算法巖土邊坡抗剪指標(biāo)參數(shù)反演及其最小安全系數(shù)的全局搜索    4.4.4  基于遺傳算法巖體初始地應(yīng)力參數(shù)反演  4.5  工程應(yīng)用——基于遺傳算法的豐滿水電站水輪發(fā)動機振動荷載參數(shù)反演    4.5.1  水輪發(fā)電機現(xiàn)場振動測試試驗    4.5.2  水輪發(fā)電機振動正演分析模型    4.5.3  水輪發(fā)電機振動荷載參數(shù)反演結(jié)果  4.6  本章小結(jié)  參考文獻(xiàn)第5章  基于人工神經(jīng)網(wǎng)絡(luò)巖土力學(xué)參數(shù)反演及其預(yù)測方法  5.1  人工神經(jīng)網(wǎng)絡(luò)簡介  5.2  生物神經(jīng)元  5.3  人工神經(jīng)網(wǎng)絡(luò)常用的學(xué)習(xí)規(guī)則  5.4  BP神經(jīng)網(wǎng)絡(luò)    5.4.1  BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)    5.4.2  BP神經(jīng)網(wǎng)絡(luò)模型    5.4.3  經(jīng)典的BP算法  5.5  數(shù)值算例    5.5.1  巖土邊坡彈性參數(shù)識別方法    5.5.2  邊坡穩(wěn)定性分析的神經(jīng)網(wǎng)絡(luò)預(yù)測    5.5.3  基于混合優(yōu)化策略的結(jié)構(gòu)損傷識別方法  5.6  有關(guān)人工神經(jīng)網(wǎng)絡(luò)的討論    5.6.1  幾個關(guān)鍵問題    5.6.2  遺傳神經(jīng)網(wǎng)絡(luò)  5.7  工程應(yīng)用——基于遺傳神經(jīng)網(wǎng)絡(luò)的白山混凝土大壩滲透系數(shù)反演    5.7.1  工程概況    5.7.2  滲透系數(shù)反演分析  5.8  本章小結(jié)  參考文獻(xiàn)第6章  基于模擬退火算法的巖土材料熱傳導(dǎo)參數(shù)識別方法  6.1  物理退火過程和Metropolis準(zhǔn)則  6.2  模擬退火算法的馬爾可夫鏈  6.3  模擬退火算法新解的產(chǎn)生和接受準(zhǔn)則  6.4  模擬退火算法的改進(jìn)  6.5  數(shù)值算例    6.5.1  瞬態(tài)多層材料熱力學(xué)參數(shù)識別方法    6.5.2  混凝土水化過程熱力學(xué)參數(shù)識別    6.5.3  材料非線性熱傳導(dǎo)參數(shù)識別    6.5.4  集中熱源作用下材料熱力學(xué)參數(shù)反演    6.5.5  穩(wěn)態(tài)熱傳導(dǎo)材料參數(shù)識別問題  6.6  工程應(yīng)用——基于模擬退火算法的云峰混凝土大壩材料參數(shù)反演  6.7  本章小結(jié)  參考文獻(xiàn)第7章  基于蟻群算法的地下水滲流模型參數(shù)識別方法  7.1  自然界中螞蟻的基本特性  7.2  人工蟻群算法的發(fā)展歷史及其研究進(jìn)展  7.3  經(jīng)典的用于求解TSP的蟻群算法模型  7.4  蟻群算法的改進(jìn)  7.5  數(shù)值算例    7.5.1  地下水污染源識別    7.5.2  基于蟻群算法的含水層參數(shù)識別  7.6  工程應(yīng)用——基于蟻群算法的豐滿混凝土大壩滲透系數(shù)反演  7.7  本章小結(jié)  參考文獻(xiàn)第8章  盾構(gòu)機掘進(jìn)過程中的智能預(yù)測與控制方法  8.1  國內(nèi)外盾構(gòu)掘進(jìn)機的發(fā)展歷史和現(xiàn)狀  8.2  EPB盾構(gòu)機工作面土壓力和油缸推力合理選擇    8.2.1  EPB盾構(gòu)機工作面土壓力合理選擇    8.2.2  盾構(gòu)機掘進(jìn)推力的優(yōu)化研究  8.3  基于神經(jīng)網(wǎng)絡(luò)的盾構(gòu)機掘進(jìn)隧道地表沉降研究    8.3.1  地表變形的基本理論    8.3.2  盾構(gòu)隧道地面變形的神經(jīng)網(wǎng)絡(luò)預(yù)測模型  8.4  基于神經(jīng)網(wǎng)絡(luò)的EPB盾構(gòu)機土艙壓力控制系統(tǒng)    8.4.1  基于PID神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)控制原理    8.4.2  基于PID神經(jīng)網(wǎng)絡(luò)EPB盾構(gòu)機土艙壓力控制系統(tǒng)    8.4.3  基于BP神經(jīng)網(wǎng)絡(luò)的土艙壓力平衡自動控制  8.5  本章小結(jié)  參考文獻(xiàn)

章節(jié)摘錄

　　第1章　智能計算與參數(shù)反演概述　　1.1　參數(shù)反演的工程背景　　巖體的變形和受力狀態(tài)分析的難題之一便是如何恰當(dāng)?shù)墓烙嫀r體的力學(xué)參數(shù)和巖體的初始應(yīng)力場。毫無疑問，實驗室測試和現(xiàn)場試驗是解決這一問題的有效方法，但是以上兩種方法各有其局限性，比如由于巖體的非均勻特性（節(jié)理和裂隙的影響），基于實驗室室內(nèi)小試樣的測試或局部的有限的現(xiàn)場試驗得到的巖體力學(xué)參數(shù)存在較大的隨意性，并且實驗結(jié)果代表性不強、數(shù)據(jù)離散，使得與實際的巖體力學(xué)參數(shù)有較大的偏差，進(jìn)而導(dǎo)致在一定程度上按照這些參數(shù)所計算的理論分析結(jié)果（例如位移、揚壓力和應(yīng)力等）與現(xiàn)場實測值有較大的誤差。無疑，這對巖石力學(xué)理論的發(fā)展和實際工程應(yīng)用起到了不可忽視的負(fù)面影響。為了彌補上述方法的不足，采用反分析方法根據(jù)巖體變形的觀測信息或揚壓力水頭的觀測數(shù)據(jù)，進(jìn)一步修正巖體的彈塑性參數(shù)或滲透系數(shù)，才能夠使得巖體變形或揚壓力水頭預(yù)報值與觀測值更好的一致，有效的解決巖石力學(xué)理論與巖土工程實踐脫節(jié)的問題。反分析方法為合理確定巖體的彈塑性參數(shù)和初始應(yīng)力場或滲透系數(shù)提供了另一條有效的途徑。目前，巖土工程反問題研究已經(jīng)在國內(nèi)外引起了廣泛的關(guān)注。今天，世界上各種科學(xué)技術(shù)相互交叉、滲透，許多研究課題已經(jīng)不能單靠一個領(lǐng)域的理論和方法能夠解決，許多邊緣學(xué)科正是多個領(lǐng)域交叉發(fā)展的結(jié)果，基于計算智能的巖土力學(xué)參數(shù)反演方法就是其中之一?！　　?/pre>




編輯推薦
　　基于智能計算的巖土力學(xué)模型參數(shù)反演理論和方法是智能算法、非線性科學(xué)、系統(tǒng)科學(xué)、不確定性科學(xué)與巖石力學(xué)和土力學(xué)交叉融合發(fā)展起來的新興邊緣分支科學(xué)。《智能計算與參數(shù)反演》一書詳盡地論述了基于智能計算的參數(shù)反演的基本原理和算法的實現(xiàn)，其顯著特點在于理論上的系統(tǒng)性和方法的實用性，書中提供了大量的數(shù)值算例和工程應(yīng)用實例，強調(diào)如何應(yīng)用最新的智能算法建立巖土力學(xué)模型參數(shù)反演模型與方法以及解決巖土工程中遇到的反問題。





圖書封面



圖書標(biāo)簽Tags
無




評論、評分、閱讀與下載



還沒讀過(51)
勉強可看(375)
一般般(640)
內(nèi)容豐富(2654)
強力推薦(217)


 


    智能計算與參數(shù)反演 PDF格式下載