巖體流變參數(shù)的智能反演.pdf

1、該文利用Marquardt方法,修正了最小二乘法,并在vc++環(huán)境下編寫(xiě)了相應(yīng)的計(jì)算程序.以實(shí)驗(yàn)室數(shù)據(jù)為基礎(chǔ),利用改進(jìn)的最小二乘法對(duì)巖石(巖體)流變模型參數(shù)進(jìn)行辨識(shí).該文將模式搜索(Pattern Search,簡(jiǎn)稱PS)優(yōu)化方法嵌入到最小二乘法中,以室內(nèi)試驗(yàn)數(shù)據(jù)為目標(biāo)信息,在事先給定的幾種流變模型內(nèi),對(duì)巖石流變模型參數(shù)進(jìn)行了辨識(shí).該方法既改進(jìn)了根據(jù)試驗(yàn)室數(shù)據(jù)及曲線人為的確定流變模型不足,又避免了由于初始參數(shù)值選取不當(dāng)而導(dǎo)致迭代發(fā)散缺陷

2、.與傳統(tǒng)最小二乘法相比顯示了此方法不受參數(shù)初值選擇影響的優(yōu)點(diǎn).針對(duì)BP網(wǎng)絡(luò)的缺陷,該文對(duì)BP網(wǎng)絡(luò)進(jìn)行了修改:為了確保有限的樣本對(duì)在參數(shù)范圍內(nèi)的均勻分布,該文用均勻設(shè)計(jì)設(shè)計(jì)計(jì)算方案,保證了網(wǎng)絡(luò)預(yù)測(cè)性能的普遍性;為了減小網(wǎng)絡(luò)陷入局部最優(yōu)的可能性,該文對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行了改進(jìn),用遺傳算法對(duì)BP網(wǎng)絡(luò)的初始權(quán)值進(jìn)行優(yōu)化;為了避免網(wǎng)絡(luò)在學(xué)習(xí)過(guò)程中的震蕩現(xiàn)象,該文引入了自適應(yīng)學(xué)習(xí)率;為了保證網(wǎng)絡(luò)具有最佳的預(yù)測(cè)功能,該文以網(wǎng)絡(luò)測(cè)試誤差為遺傳適應(yīng)值,用遺傳算