用遗传算法优化估计Van Genuchten方程参数

描述土壤水分特征曲线的Van Genuchten方程是一个非线性复杂方程,采用传统的方法对方程参数进行估计往往因为计算复杂和人为因素的影响,而使估计结果带有较大的误差。遗传算法是当前处理一般非线性数学模型优化的一种新的优秀方法。为此,采用实数编码多子种群遗传算法对方程的参数进行优化估计。算例结果表明用遗传算法优化估计Van Genuchten方程参数具有求解速度快、计算精度和自动化程度高、人为干扰因素小、通用性强等优点。因此,遗传算法可作为计算Van Genuchten方程参数的一种新方法。     

van Genuchten模型参数的物理意义

van Genuchten模型是目前拟合水土特征曲线应用最广泛的数学模型,但该模型参数多,且物理意义复杂,特别是参数α的物理意义至今尚未有统一的认识。文章通过理论推导,结合4种样品（粗砂、中砂、细砂和粉砂）实测的水土特征曲线,对van Genuchten模型的参数α、m和n的物理意义进行了探讨,重点研究了α与进气值和拐点处负压（hi）的关系。推导出的van Genuchten模型的1/α与hi的关系和实测数据均证明了1/α不仅与hi有关,还受参数m和n的影响。粗砂和中砂的1/α与hi大致相等,细砂和粉砂的1/α则大于hi。粗砂的进气值与1/α近似相等,其它介质中1/α与进气值之间存在更复杂的关系。另外,m和n作为独立变量在拟合水土特征曲线时精度更高,但在计算非饱和渗透系数时给定m=1-1/n的约束条件是必要的。     

利用优化方法求算Van Genuchten方程参数

运用单纯形调优法,拟合描述土壤水分运动特征曲线的Van Genuchten参数。该方法可广泛地用于不同弯曲程度Van Genuchten方程曲线的拟合求参,拟合精度高,另一方面也表明Van Genuchten方程的线性选配适当。此外,算法程序用VB语言编写,实现了参数初值实时修改、多种数据格式输入输出和实时图形结果输出等多种友好人机界面功能,方便易用。     

利用Van Genuchten模型拟合土壤水分特征曲线

利用Van Genuchten模型对用砂性漏斗测量中砂的吸湿过程和脱湿过程土壤水分特征曲线进行拟合,结果表明实测曲线和拟合曲线吻合很好,并得出Van Genuchten模型中的残余含水量、特性参数α和n,模拟计算表明,中砂有αw=1.69αd的关系,为研究水分和污染物在非饱和土壤中运移问题提供土壤水分运动键参数.     

露天矿边坡破坏概率计算混合遗传算法

将数值优化中的Powell法引入遗传算法中 ,提出了一种新型的混合遗传算法 ,并针对新疆雅满苏露天铁矿上盘边坡 ,提出了一种新的露天矿边坡破坏概率分析方法 ,计算结果表明本文方法准确可靠 ,克服了传统方法易陷于局部最优解的缺点。     

混合遗传算法在大地电磁一维反演中的应用

遗传算法是近些年来产生和发展的一种模拟生物进化过程的自适应启发式全局优化的搜索算法。它不完全依赖于初始猜测,且具有全局收敛的特点,可以被用来解决各种复杂的实际问题,如工程优化设计,人工智能和决策系统,以及地球物理反演等。尽管遗传算法是一种效率很高的全局优化算法,但许多仿真结果表明,它具有计算时间长,局部搜索能力弱的缺点。而共轭梯度法属于非启发式全局优化搜索方法,收敛速度快,但容易陷入局部极值,且严重依赖初始猜测。根据遗传算法和共轭梯度法的特点,这里提出了一种混合遗传算法,用来进行地球物理反演。该算法既具有遗传算法的全局收敛性,又有共轭梯度法的快速收敛性,经实际应用,取得了良好的效果。     

参数m的形式和最大基质吸力点对Van Genuchten方程各参数的影响

Van Genuchten模型经常用于拟合土-水特征曲线,但拟合参数m、n之间的不同关系以及是否加入最大基质吸力点(10~6 kPa,0)会对Van Genuchten模型的拟合参数造成极大的不确定性。为此,考虑m 3种取值(m不受限制、m=1-1/n、m=1-2/n)以及数据中是否含有最大基质吸力点(10~6 kPa,0),探讨各工况3个拟合参数a、m、n之间的关系,同时选用各工况的拟合参数,求解基质吸力为10~6 kPa时的饱和度,分析各工况下该点处饱和度的相互联系。结果表明:当m受到限制时,加入最大基质吸力点减小了各拟合参数的离散程度和区间范围;而m未受限制时,加入最大基质吸力点减小了a的离散程度和区间范围,但增大了m、n的离散程度和区间范围。在各约束条件下拟合参数a与未受约束时的a呈线性关系;而对于n则不存在这类关系;对于在不同工况下最大基质吸力点处的饱和度,其值与m未受约束时最大基质吸力点处的饱和度呈线性关系。     

基于Levenberg-Marquardt算法的填埋场中降解产热参数反演研究

填埋场中垃圾降解产热参数是研究填埋场温度变化及热资源利用的基础。基于室内试验得到的峰值产热模型、填埋场中热传导理论以及Levenberg-Marquardt(LM)算法,提出了填埋场中降解产热参数的反演分析方法。结合填埋场实际工况,建立了填埋场热传导一维模型并得到了温度的解析解。基于某一深度的温度数据,采用LM算法反演得到了填埋场的降解产热参数,采用反演得到的降解产热参数可以计算填埋场任意深度的温度。基于产热参数可以计算得到填埋场的峰值产热速率、峰值产热时间和总产热量。以中国无锡桃花山填埋场和美国密歇根填埋场为例,分别反演得到了降解产热参数,采用反演得到的降解产热参数计算反演点之外测点的温度并与实测值进行对比,验证了反演模型的合理性和适用性。对比发现,与实际填埋场相比,室内试验的降解产热峰值更大,且峰值时间更短。与密歇根填埋场相比,无锡桃花山填埋场的前期产热速率更大,到达降解产热峰值的时间更短。     

校正系数对不同形式的Van Genuchten方程各拟合参数的影响

Van Genuchten模型应用十分广泛,但是参数m的不同形式以及是否加入校正系数会对Van Genuchten模型的拟合参数造成极大的影响。基于此,考虑m 3种取值(m不受限制、m=1–1/n、m=1–2/n)以及Van Genuchten模型中是否含有校正系数C_ψ,采用Matlab拟合67组砂土土-水特征曲线数据,分别研究残余基质吸力ψ_r、C_ψ对3个拟合参数a、m、n的影响。结果表明:m不受限制时,随着ψ_r增大,参数a、n减小,参数m增大;m受到限制时,随着ψ_r增大,参数a减小,参数n增大;m不受限制时,加入校正系数增大了拟合参数a、n的离散程度,但是减小了m的离散程度;m受到限制时,加入校正系数增大了拟合参数a的离散程度,但是减小了n的离散程度;几乎所有工况下的参数a都与无任何限制条件下的参数a呈线性关系;对于参数n,几乎不存在这类线性关系。     

非饱和土壤水分运动参数的确定——以河南驻马店亚粘土为例

土壤水分运动参数的选取和确定是研究包气带中水分贮存和运动的基础.本文以河南驻马店亚粘土为例,进行了非饱和土壤水分运动参数的测定.通过将实测数据与经验模型拟合,将实验结果、计算结果和拟合结果进行了对比分析,发现所用的经验模型与实际数据吻合较好.研究结果表明选用的经验模型是可靠的,从而确定了土壤水分运动最优参数.     

A hybrid method for grade estimation using genetic algorithm and neural networks

In the present paper, a new hybrid method is proposed for grade estimation. In this method, the multilayer perceptron (MLP) network is trained using the combination of the Levenberg–Marquardt (LM) method and genetic algorithm (GA). Having a few samples for grade estimation, it is difficult to get a proper result using some function approximation methods like neural networks or geostatistical methods. The neural network training methods are very sensitive to initial weight values when there are a few samples as a training dataset. The main objective of the proposed method is to resolve this problem. Here, our method finds the optimal initial weights by combining GA and LM method. Having the optimal initial values for weights, the local minima are avoided in the training phase and subsequently the neural network sustainability is trained optimally. Furthermore, the hybrid method is applied for grade estimation of Gol-e-Gohar iron ore in south Iran. The proposed method shows significant improvements compared to both conventional MLP and Kriging method. The efficiency of the proposed method gets more highlighted when the training data set is small.     

基于模拟退火遗传算法矿床勘探3DEM储量估算

矿床勘探3DEM储量估算是以三维可视化技术为核心,将我国传统的储量估算方法与计算机信息技术结合起来的储量估算工作流程。通过单工程矿体可视化圈定技术,能够保证矿体边界的合理性;通过剖面矿体连接技术,可以得到地质常用的剖面成果图件,同时为三维可视化提供断面数据;通过断面数据模拟退火遗传算法,能较好地解决复杂地质体的断面连接,组成三维地质体。以三雏矿体为限定条件,开展地质块段法或克里格地质统计学储量估算,并利用三维技术实现储量科学管理。     

一种基于改进型混合遗传算法的地-井TEM多参数反演方法

在地球物理反演中,往往是要用有限的信息去反演尽可能多的参数,以期获得关于目标体的详尽信息,传统的基于求偏导数的反演方法,在初始模型偏离真值较大的时候,反演很难收敛,而遗传算法则可以克服反演对初值的依赖。这里使用基于等效涡流的方法,简化地-井TEM三分量响应为圆形电流环在自由空间的响应模型,并使用逐步缩小搜索范围和多重小生境相结合的改进型混合遗传算法,较为精确地反演了表征导电薄板异常的七个参数,理论模型算例在多次搜索遗传计算之后,反演获得的模型参数误差小于5‰。     

自适应混合遗传算法在基坑支护结构优化中的实现

采用遗传算法对基坑支护结构进行优化设计,针对其早熟现象和局部搜索能力差的缺点改进遗传算法。使用自适应策略改进交叉算子与变异算子,在进化后期采用与位爬山法结合的混合遗传算法增强GA的局部搜索能力。对基坑支护结构建立优化设计数学模型,编制了基于遗传算法的基坑优化设计程序。通过实例分析,验证了改进策略的正确性。     

基于遗传算法优化BP神经网络的玉米遥感估产方法

以内蒙古自治区开鲁县玉米作物为研究对象,将生育期内玉米遥感影像所提取的多种植被指数和实地采样点的测产数据作为训练值,利用BP(back propagation)神经网络和遗传算法优化BP(GA-BP)神经网络估产模型,得出网络预测的玉米产量数值。通过决定系数R 2和均方根误差RMSE,比较实测产量与预测产量之间的精度,BP神经网络模型R^2为0.8452,RMSE(%)为28.37;遗传算法优化BP神经网络模型R^2为0.9850,RMSE(%)为6.70,表明遗传算法优化BP神经网络估产模型具有一定可行性和可信度。     

基于GA-LS-SVM算法的城市不透水面估算方法

城市不透水面遥感提取方法一直是城市遥感的重要研究领域。以南京市为例,采用Landsat TM（ETM+）数据,结合IKONOS影像,阐述了多源特征的提取与选择方法及其对不透水面估算精度的影响,并采用遗传算法优化最小二乘支持向量机参数,构建GA-LS-SVM模型。应用该模型估算南京市不透水面,与神经网络模型和像元分解线性模型进行比较。结果表明：采用多源特征提取城市不透水面,可以明显提高估算精度;GA-LS-SVM模型2000年与2006年估算误差RMSE分别为0.106和0.158,SE均为-0.001,明显优于其他2种模型。     

基于遗传算法的磁异常反演

遗传算法是模拟自然界生物进化思想所得到的一种全局非线性最优化算法,该算法可有效地避免局部最优解。这里介绍遗传算法的原理以及基于其算法的磁异常反演算例,对不同迭代次数所得理论模型反演的磁性体空间位置与磁性等参数的相对误差进行了对比。据此,对四川会理黎溪地区某磁铁矿区外围8号剖面上实测△T磁异常进行遗传算法,并迭代拟合反演,求其反问题,获得了与后续工程揭露及磁性测定结果相吻合的结果。     

基于改进遗传算法的边坡可靠度分析

采用基于概率的可靠性分析方法来分析边坡的稳定性,以克服目前大多数分析方法以确定性安全系数为评判标准的弊端。对于每次搜索中给定的滑移面,结合拉格朗日乘子法提出边坡可靠度的计算模型;采用遗传算法搜索关键滑移面,提出边坡的适应度函数。为克服标准遗传算法在进化过程中无法调节全局搜索和局部搜索速度、且可能陷入次优解的缺陷,改进了子代中最佳个体的确定方法,来并以相邻两代的群体多样性特征值增量为导向,动态调节交叉概率和变异概率,以保持群体的多样性和搜索的有效性。实例分析结果表明,本文方法可以提高遗传算法的搜索能力和收敛速度,保证解全局最优;该法适用于边坡稳定可靠度分析,且前处理简单;在遗传操作前预优化可靠指标计算模型能大大减少遗传算法中的计算量,节约机时。     

基于十进制遗传算法的含水层参数的反演

含水层参的反演是一个复杂的非线性优化问题,针对传统二进制遗传算法收敛性能差的缺陷,提出了反演含水层参数的十进制遗传算法。以直线隔水边界附近的井流模型为例,讨论了十进制遗传算法在含水层参数反演中的应用,并与二进制遗传算法的进行比较。结果表明,该方法在含水层参数的反演中不仅是可行的,而且具有较好的确定性和较高的精度;与二进制遗传算法相比,十进制遗传算法的收敛性较好,省时高效,且表示较为自然,容易引入相关领域知识。同时,结合实例的分析结果得出种群的规模对算法的收敛性没有明显的影响。