基于改进粒子群算法的边坡工程参数辨识研究

《基于改进粒子群算法的边坡工程参数辨识研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、乂连謹＾大聲ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣＨＮＯＬＯＧＹＩ福损±享恆巧又ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ基于改进粒子群算法的边坡工程参数辨巧研究建筑与±木工程工程领域作者姓名李＿＿逝吴智敏教授指导教师＿＿＿巧２０１５年１２月，２日答辩日？．专业学位硕±学位论文基于改进粒子群算法的边坡工程参数辨识研究ＴｈｅＲｅｓｅａｒｃｈｏｆＳｌｏｐｅＥｎｇｉｎｅｅｒｉｎｇＰａｒａｍｅ化ｒｓＩｄｅｎｔ

2、ｉ巧ｃａ村ｏｎＢａｓｅｄｏｎＩｍｐｒｏｖｅｄＰａｒｔｉｃｌｅＳｗａｒｍＯｐ村ｍｉｚａ杜ｏｎ作者姓名；李琳工程领域；建筑与±木工程学号：４１２０６０４５指导教师：吴智敏完成日期：２０巧年８月１９日乂么巧Ｘ夫聲ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆ了ｅｃｈｎｏｌｏｇｙ大连理工大学学位论文独创性声明：作者郑重声明所呈交的学位论文，是本人在导师的指导下进行研究工作所取得的成果。尽我所知，除文中己经注明引用内容和致谢的地方外，本

3、论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学位或其他用途使用过的成果一。与我同工作的同志对本研究所做的贡献均己在论文中做了明确的说明并表示了谢意。若有不实之处，本人愿意承提相关法律责任。学位论文题目：某于改进粒子群笠法的边坡工程参数辨识研究：私於日期：广年么月日作者签名火速理Ｘ乂学专业学位硕＋学位论文摘要边坡的变形和受力状态分析的难题之一便是如何恰当的估计边坡的力学参数和初一始应力场，毫无疑问，实验室测试和现场试验是解决这问题的

4、有效方法，但Ｗ上两种方法各有其局限性，比如边坡的非均匀特性，基于实验室内小试样的测试或局部的有限现场试验得到的边坡力学参数存在较大的随意性，并且实验结果代表性不强，数据离散，一使得与实际的边坡力学参数有较大偏差，进而导致在定程度上按照这些参数计算的理Ｗ论分析结果和现场实测结果有较大的误差。反分析方法为合理确定边坡力学参数提供一了条有效的途径。伴随着计算机技术的发展观，正分析的理论和计算方法逐渐成熟，测仪器的精度也逐步提高，根据现场观测数据进行边坡力学模型参数反演具有良好的

5、应用前景：，本文主要研究成果如下（１）分析了基本粒子群算法的代数和解析特性。一２一（）探讨了种基于自主学习的改善粒子群算法，通过赋予粒子定的自主性来改善种群的全局广度搜索与局部深度搜索能力，分析了该算法的计算效率，并通过实际测试函数验证了该算法比基本粒子群算法具有更好的寻优能力和更快的收敛速度。将该算法应用于边坡工程力学反演参数运算中，得到了比较满意的反演参数。（３）在主动学习的改进粒子群算法的基础上，将轮形结构和非线性函数调整参数一并讨论了其收敛性。通过测试

6、权值结合起來，提出了种全新的改进粒子群优化算法，函数对其进行了函数优化对比分析，并将改进的粒子群算法应用于构建边坡工程力学参数反演问题中。，结果表明该方法在边坡反演参数中是行之有效的关键词：改进粒子群算法；边坡稳定性；参数辨识Ｉ基Ｔ？改进粒子禅巧法的边坡．ｉ：稱参数辨识研究’ＴｈｅＦｏｒｍａｔＣｒｉ化ｒｉｏｎｏｆＭａｓｔｅｒｓＤｅｇｒｅｅＰａｐｅｒｏｆＤＵＴＡｂｓｔｒａｃｔＯｎｅｏｆｔｈｅｄｉｆｉｃｕｌｔｒｏｂｌｅｍｓｉｎａｎａｌｓｉｓ

7、ａｎｄｔｈｅｓｔｒｅｓｓｓｔａｔｅｏｆｔｈｅｓｌｏｅｄｅｆｏｒｍａｔｉｏｎｉｓｔｈｅｐｙｐｍｅｃｈａｎｉｃａｌａｒａｍｅｔｅｒｓａｎｄｉｎｉｔｉａｌｅｓｔｉｍａｔｅｓｏｆｈｏｗｔｈｅａｒｏｒｉａｔｅｓｌｏｅｓｔｒｅｓｓ扫ｅｌｄ．Ｔｈｅｒｅｉｓｐｐｐｐｐｎｏｄｏｕｂｔｌａｂｏｒａｔｏｒ化Ｓｔａｎｄｆｉｅｌｄ化Ｓｔｉｓａｎｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄ化ｓｏｌｖｅｔｈｉｓｒｏｂｌｅｍｂｕｔｔｈｅｓｅ，ｙｐ，ｔｗ

8、ｏｍｅｔｈｏｄｓｈａｖｅｔｈｅｉｒｌｉｍｉｔａｔｉｏｎｓ，ｓｕｃｈａｓｔｈｅｓｌｏｐｅｏｆｔｈｅｎｏｎｕｎｉｆｏｒｍｃｈａｒａｃｔｅｒｉｓｔｉｃｓ，ｓｌｏｐｅｍｅｃｈａｎｉｃａｌａｒａｍｅｔｅｒｓｏｂｔａｉ打ｅｄｌｉｍｉｔｅｄｆｉｅｌｄｏｆｓｍａｌｌｓａｍｌｅｉｎｌａｂｏｒａｔｏｒｔｅｓｔｓｏｒｌｏｃａｌ化巧ｐｐｙｅｘｋｔｓｇｒｅａｔｒａｎｄｏｍｎｅｓｓｂａｓｅｄｏｎｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓ，ａｎｄ