智能计算与参数反演PDF电子书下载

第1章 智能计算与参数反演概述 1

1.1 参数反演的工程背景 1

1.2 有关人类智能的定义 3

1.3 智能计算方法概述 6

1.3.1 遗传算法及其发展历程 6

1.3.2 人工神经网络及其发展和应用现状 13

1.3.3 模拟退火算法及其研究进展 20

1.3.4 人工蚁群优化算法发展和应用现状 23

1.3.5 启发式优化方法比较分析 27

1.4 基于智能计算的参数反演方法研究进展 31

1.4.1 基于梯度搜索算法岩土力学反问题研究简单回顾 31

1.4.2 基于人工神经网络方法岩土力学反问题研究进展 32

1.4.3 基于遗传算法岩土力学反问题研究进展 33

1.4.4 基于模拟退火算法岩土力学反问题研究进展 34

1.5 本书的主要内容介绍 36

参考文献 37

第2章 参数识别反问题的适定性及其讨论 42

2.1 经典的最小二乘参数估计方法 42

2.2 参数识别反问题所要研究的内容 48

2.3 求解反问题的特点和难点 49

2.4 反问题的基本求解方法 49

2.4.1 反问题的直接解法 51

2.4.2 反问题的间接求解方法 53

2.5 反问题解的适定性 56

2.5.1 反问题解的适定性的定义 56

2.5.2 反问题参数识别的可识别性 58

2.5.3 反问题参数识别的唯一性 59

2.5.4 反问题参数识别的稳定性 60

2.6 参数识别结果的协方差分析 62

2.7 本章小结 65

参考文献 65

第3章 基于梯度搜索的岩土力学参数反演方法 68

3.1 参数识别反问题解的定义 68

3.2 基于Levenberg-Marquardt最小二乘的参数反演方法 69

3.3 基于BFGS优化方法的参数反演方法 71

3.4 对偶边界控制方法在反演中的应用 72

3.5 数值算例 74

3.5.1 土体固结参数反演 74

3.5.2 基于BFGS优化方法的初始地应力场参数位移反分析 79

3.5.3 基于正则化最小二乘法的含水层参数反演 83

3.6 工程应用—基于Gauss-Newton优化算法的丰满混凝土大坝弹性参数反演方法 86

3.6.1 工程概况 87

3.6.2 坝顶水平位移水压分量的分离计算 88

3.6.3 参数识别结果 89

3.7 本章小结 92

参考文献 92

第4章 基于遗传算法岩土材料力学参数反演方法 95

4.1 遗传算法的基本原理和特点 95

4.2 遗传算法的进化过程和基本操作 99

4.2.1 编码和解码 100

4.2.2 初始种群的生成 100

4.2.3 适应度值评价 101

4.2.4 选择操作 103

4.2.5 交叉操作 106

4.2.6 变异操作 107

4.2.7 收敛准则 109

4.3 遗传算法运行参数的选择 109

4.4 数值算例 112

4.4.1 多极值优化问题算例 112

4.4.2 基于遗传算法的岩土阻尼参数识别方法 113

4.4.3 基于遗传算法岩土边坡抗剪指标参数反演及其最小安全系数的全局搜索 120

4.4.4 基于遗传算法岩体初始地应力参数反演 128

4.5 工程应用—基于遗传算法的丰满水电站水轮发动机振动荷载参数反演 132

4.5.1 水轮发电机现场振动测试试验 133

4.5.2 水轮发电机振动正演分析模型 133

4.5.3 水轮发电机振动荷载参数反演结果 136

4.6 本章小结 138

参考文献 139

第5章 基于人工神经网络岩土力学参数反演及其预测方法 143

5.1 人工神经网络简介 143

5.2 生物神经元 147

5.3 人工神经网络常用的学习规则 150

5.4 BP神经网络 156

5.4.1 BP神经网络的传递函数 156

5.4.2 BP神经网络模型 157

5.4.3 经典的BP算法 161

5.5 数值算例 163

5.5.1 岩土边坡弹性参数识别方法 163

5.5.2 边坡稳定性分析的神经网络预测 167

5.5.3 基于混合优化策略的结构损伤识别方法 171

5.6 有关人工神经网络的讨论 175

5.6.1 几个关键问题 175

5.6.2 遗传神经网络 178

5.7 工程应用—基于遗传神经网络的白山混凝土大坝渗透系数反演 181

5.7.1 工程概况 181

5.7.2 渗透系数反演分析 182

5.8 本章小结 185

参考文献 186

第6章 基于模拟退火算法的岩土材料热传导参数识别方法 189

6.1 物理退火过程和Metropolis准则 190

6.2 模拟退火算法的马尔可夫链 193

6.3 模拟退火算法新解的产生和接受准则 195

6.4 模拟退火算法的改进 199

6.5 数值算例 203

6.5.1 瞬态多层材料热力学参数识别方法 203

6.5.2 混凝土水化过程热力学参数识别 207

6.5.3 材料非线性热传导参数识别 210

6.5.4 集中热源作用下材料热力学参数反演 213

6.5.5 稳态热传导材料参数识别问题 216

6.6 工程应用—基于模拟退火算法的云峰混凝土大坝材料参数反演 217

6.7 本章小结 219

参考文献 220

第7章 基于蚁群算法的地下水渗流模型参数识别方法 223

7.1 自然界中蚂蚁的基本特性 224

7.2 人工蚁群算法的发展历史及其研究进展 226

7.3 经典的用于求解TSP的蚁群算法模型 231

7.4 蚁群算法的改进 234

7.5 数值算例 237

7.5.1 地下水污染源识别 237

7.5.2 基于蚁群算法的含水层参数识别 240

7.6 工程应用—基于蚁群算法的丰满混凝土大坝渗透系数反演 249

7.7 本章小结 252

参考文献 253

第8章 盾构机掘进过程中的智能预测与控制方法 256

8.1 国内外盾构掘进机的发展历史和现状 257

8.2 EPB盾构机工作面土压力和油缸推力合理选择 265

8.2.1 EPB盾构机工作面土压力合理选择 266

8.2.2 盾构机掘进推力的优化研究 270

8.3 基于神经网络的盾构机掘进隧道地表沉降研究 272

8.3.1 地表变形的基本理论 273

8.3.2 盾构隧道地面变形的神经网络预测模型 275

8.4 基于神经网络的EPB盾构机土舱压力控制系统 278

8.4.1 基于PID神经网络的非线性系统控制原理 279

8.4.2 基于PID神经网络EPB盾构机土舱压力控制系统 282

8.4.3 基于BP神经网络的土舱压力平衡自动控制 285

8.5 本章小结 288

参考文献 289