基于改進粒子群算法的邊坡工程參數(shù)辨識研究.pdf

1、邊坡的變形和受力狀態(tài)分析的難題之一便是如何恰當?shù)墓烙嬤吰碌牧W參數(shù)和初始應力場，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，但以上兩種方法各有其局限性，比如邊坡的非均勻特性，基于實驗室內(nèi)小試樣的測試或局部的有限現(xiàn)場試驗得到的邊坡力學參數(shù)存在較大的隨意性，并且實驗結果代表性不強，數(shù)據(jù)離散，使得與實際的邊坡力學參數(shù)有較大偏差，進而導致在一定程度上按照這些參數(shù)計算的理論分析結果和現(xiàn)場實測結果有較大的誤差[1]。反分析方法為合理確定

2、邊坡力學參數(shù)提供了一條有效的途徑。伴隨著計算機技術的發(fā)展，正分析的理論和計算方法逐漸成熟，觀測儀器的精度也逐步提高，根據(jù)現(xiàn)場觀測數(shù)據(jù)進行邊坡力學模型參數(shù)反演具有良好的應用前景，本文主要研究成果如下:
　　(1)分析了基本粒子群算法的代數(shù)和解析特性。
　　(2)探討了一種基于自主學習的改善粒子群算法，通過賦予粒子一定的自主性來改善種群的全局廣度搜索與局部深度搜索能力，分析了該算法的計算效率，并通過實際測試函數(shù)驗證了該算法比基本