基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析

基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析

ID:36620051

大小:274.48 KB

页数:7页

时间:2019-05-13

基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析_第1页
基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析_第2页
基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析_第3页
基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析_第4页
基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析_第5页
资源描述:

《基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析》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、水电2006国际研讨会基于改进微粒群算法的混凝土面板堆石坝坝料参数反演分析123杜好,迟世春,周睿博1.大连理工大学,大连市甘井子区凌工路2号,116023,duhaozz@gmail.com2.大连理工大学,大连市甘井子区凌工路2号,116023,schchi@dlut.edu.cn3.大连理工大学,大连市甘井子区凌工路2号,116023,imp1001@gmail.com摘要:土石坝安全评价是保障大坝安全运行的一项重要工作。而基于大坝原型观测资料的反演分析则是大坝安全评价中的一项主要内容。本文将以一个实际工程的混凝土面板堆石坝为

2、例,以实测位移为基础,运用优化方法和有限元分析方法,反演邓肯张-EB模型的四个比较敏感的参数(K,n,Kb,m)。在反演分析中,优化方法的选择直接影响到分析结果的准确性。为克服传统的优化算法以及某些智能优化算法的缺点,本文将引进一种新颖的智能优化算法-微粒群算法(ParticleSwarmOptimization-PSO),运用于反演分析中。该算法自提出以来,以其概念简单、易实现、计算速度快等优点,已经应用于许多领域,但用于坝体本构模型参数的反演分析还很少见到。为提高PSO算法的全局收敛性能,本文采用了一种改进的单群体自适应微粒群算

3、法。在以往的土石坝反演分析,多是以多个测点某一时刻的位移量,或是单个测点沿时程变化的位移量为依据,因此反演出的参数都不能很好的反映材料的性质。而本文将依据坝体多个测点,在施工期和运行期沿时程变化的位移量进行反演分析。最后通过分析参数结果的合理性:⑴为坝体的安全评价和未建坝的设计和施工提供参数依据;⑵证明该优化算法运用于基于位移的混凝土面板堆石坝坝料参数反演是有效的。关键词:反演分析;改进的微粒群算法;堆石坝;坝料参数1前言混凝土面板堆石坝安全、经济和适应性强,已经成为世界公认的一种比较经济适用的坝型。近年来,有关该坝型的研究在我国的

4、水利水电建设中得到长足发展,随着坝体高度的逐渐加大,堆石坝沉降问题的研究,日渐得到专家学者们的重视。在沉降分析中除需合理选择堆石体的本构模型外,较精确的选择模型参数成为影响堆石坝计算分析结果的至关重要因素。目前堆石体的参数主要由室内土工试验和现场原位测试提供,然而试验参数的取得受到多方面因素的影响,如:试验条件、量测精度、分析方法等;更由于堆石体本身的复杂性,和做为筑坝材料后又受到各种因素(如受力状态、应力历史、加载速率和排水条件等)影响而变得更加复杂;因此以现有的测试手段,想要模拟多种情况下堆石体的性质,尚且存在困难。并且众多工程

5、实践也表明,由试验参数应用于本构模型计算所得的坝体变形和实测值偏离很多。反演分析方法正是在这种情况下应运而生,模型参数的反演分析是利用工程中的实测值(如位移、应力、孔压等),通过数值计算确定岩土介质的力学参数[1],进而使分析结果尽可能的满足工程的实际情况。为此智能优化算法-微粒群算法被引用到数值计算中,与有限元方法结合,从而更好的实现参数的反演分析过程。726水电2006国际研讨会做为一种新颖的随机优化算法,微粒群算法是基于鸟群觅食的仿生背景提出[2]。该算法通过个体自身经验的总结和社会经验(通过群体之间的信息共享得到)的总结来修

6、正个体行动策略,最终找到复杂搜索空间中的最优区域。与其他随机优化算法相比,该算法对于复杂问题具有更好的搜索性能和更快的收敛速度[3],并且概念简单易实现,仅有少量的参数需要确定。然而已有研究也表明:该算法在搜索前期收敛速度加快的同时,在后期却易陷入局部最小[4][5]。为解决该问题,文献[6]提出一种改进的单群体自适应微粒群算法,与标准微粒群算法相比,它大大提高了算法的全局收敛性能。最后,本文以西北口面板堆石坝为例,运用改进的微粒群算法,进行坝料参数的反演分析计算。2标准微粒群算法在PSO中,每个优化问题的解都是搜索空间中的一只鸟,

7、我们称之为“微粒”.所有的微粒都有一个由被优化的函数决定的适应值(fitnessvalue),每个微粒还有一个速度决定它们飞翔的方向和距离.然后微粒们就追随当前的最优微粒在解空间中搜索。算法首先在可行解空间和速度空间随机初始化微粒群,然后通过迭代找到最优解。在每一次迭代中微粒通过两种最优位置来更新自己当前的位置:一种是微粒本身目前找到的最优位置Pi(即自身经验);另一种是微粒群迄今为止找到的最优位置Pg(即社会经验)。在找到这两个最优值时,粒子根据如下的公式来更新自己的速度和新的位置[7]:vt(1)+=+ωvtcrtptxtcrt

8、ptxt()()(()−+())()(()−())......(1)ijij11jijij22jgjijxt(1+=)()(1xtvt++)..................................(2)ijijij式中:设

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。