水文地質(zhì)參數(shù)智能優(yōu)化計(jì)算

目錄

前言

第一章 基本概念與定義 1

第一節(jié) 基本概念 1

第二節(jié) 水文地質(zhì)參數(shù) 2

第三節(jié) 抽水試驗(yàn) 4

一、抽水試驗(yàn)的目的、分類 4

二、抽水試驗(yàn)資料的整理及水文地質(zhì)參數(shù)計(jì)算 5

第二章 智能算法簡介 6

第一節(jié) 粒子群優(yōu)化算法 6

一、標(biāo)準(zhǔn)粒子群算法 6

二、標(biāo)準(zhǔn)粒子群算法流程 7

三、參數(shù)設(shè)置 7

第二節(jié) 蟻群算法 9

一、蟻群算法概述 9

二、基本蟻群算法 9

三、蟻群算法函數(shù)極值尋優(yōu)實(shí)現(xiàn)步驟及流程 10

四、計(jì)算參數(shù)的選擇 11

第三節(jié) 模擬退火算法 11

一、模擬退火算法概述 11

二、模擬退火算法原理 12

三、模擬退火算法的基本思想 12

四、模擬退火算法流程 13

五、計(jì)算參數(shù)的選擇 13

第四節(jié) 遺傳算法 14

一、遺傳算法概述 14

二、遺傳算法基本原理 14

三、遺傳算法計(jì)算流程 15

四、計(jì)算參數(shù)的選擇 16

第五節(jié) 差分進(jìn)化算法 16

一、差分進(jìn)化算法概述 16

二、差分進(jìn)化算法原理 17

三、差分進(jìn)化算法流程 17

四、計(jì)算參數(shù)的選擇 17

第三章 承壓完整井非穩(wěn)定流抽水試驗(yàn) 19

第一節(jié) 無界承壓含水層完整井流 19

一、泰斯(Theis)非穩(wěn)定流 19

二、井函數(shù)W(u)的近似解 21

三、井函數(shù)W(u)的數(shù)值解 22

第二節(jié) Theis降深-時間配線法 24

一、Theis降深-時間配線法求解水文地質(zhì)參數(shù) 24

二、計(jì)算例題3.1 26

三、標(biāo)準(zhǔn)粒子群優(yōu)化配線求解水文地質(zhì)參數(shù) 27

四、基于標(biāo)準(zhǔn)PSO算法的降深-時間優(yōu)化配線法計(jì)算實(shí)例 29

五、PSO算法參數(shù)取值影響分析 33

第三節(jié) Theis降深-距離配線法 35

一、Theis降深-距離配線法求解水文地質(zhì)參數(shù) 35

二、計(jì)算例題3.2 36

三、帶壓縮因子粒子群(YSPSO)優(yōu)化配線求解水文地質(zhì)參數(shù) 38

四、基于YSPSO算法的降深-距離優(yōu)化配線法計(jì)算實(shí)例 38

五、YSPSO算法參數(shù)取值影響分析 42

第四節(jié) Theis降深-時間距離配線法 43

一、Theis降深-時間距離配線法求解水文地質(zhì)參數(shù) 43

二、計(jì)算例題3.344

三、線性遞減權(quán)重粒子群(LinWPSO)優(yōu)化配線求解水文地質(zhì)參數(shù) 47

四、LinWPSO算法降深-時間距離優(yōu)化配線法計(jì)算實(shí)例 48

五、LinWPSO算法參數(shù)取值影響分析 55

第五節(jié) Theis降深-距離時間配線法 57

一、Theis降深-距離時間配線法求解水文地質(zhì)參數(shù) 57

二、計(jì)算例題3.4 58

三、帶壓縮因子的粒子群(YSPSO)算法實(shí)現(xiàn)降深-距離時間優(yōu)化配線 60

第六節(jié) 雅各布(Jacob)降深-時間直線圖解法 62

一、降深-時間直線圖解法求解水文地質(zhì)參數(shù) 62

二、計(jì)算例題3.5 63

三、基于最小二乘法的自動優(yōu)化Jacob降深-時間直線圖解法 64

四、基于最小二乘法的自動優(yōu)化Jacob降深-時間直線圖解法計(jì)算實(shí)例 64

第七節(jié) 雅各布(Jacob)降深-距離直線圖解法 66

一、降深-距離直線圖解法求解水文地質(zhì)參數(shù) 66

二、計(jì)算例題3.6 67

三、基于最小二乘法曲線擬合的降深-距離直線圖解法 68

四、基于最小二乘法曲線擬合的降深-距離直線圖解法計(jì)算實(shí)例 68

第八節(jié) 雅各布(Jacob)降深-時間距離直線圖解法 69

一、降深-時間距離直線圖解法求解水文地質(zhì)參數(shù) 69

二、計(jì)算例題3.7 70

三、基于最小二乘法曲線擬合的降深-時間距離直線圖解法 70

四、基于最小二乘法曲線擬合的降深-時間距離直線圖解法計(jì)算實(shí)例 70

第九節(jié) 水位恢復(fù)法 72

一、水位恢復(fù)法求解水文地質(zhì)參數(shù) 72

二、計(jì)算例題3.8 73

三、基于最小二乘法的水位恢復(fù)直線圖解法 74

四、基于最小二乘法的水位恢復(fù)直線圖解法計(jì)算實(shí)例 75

第十節(jié) 大直徑井抽水試驗(yàn)優(yōu)化配線 76

一、Papadopulos和Cooper(1967)大直徑井非穩(wěn)定流基本理論 76

二、Papadopulos和Cooper(1967)大直徑井配線法求解水文地質(zhì)參數(shù) 78

三、計(jì)算例題3.9 79

四、改進(jìn)的SAPSO算法大口井優(yōu)化配線求解水文地質(zhì)參數(shù) 79

第十一節(jié) 各向異性介質(zhì)中的完整井流 84

一、Papadopulos模型解 84

二、Papadopulos模型配線法求解水文地質(zhì)參數(shù) 85

三、計(jì)算例題3.10 86

四、標(biāo)準(zhǔn)粒子群優(yōu)化(PSO)配線求解各向異性介質(zhì)含水層水文地質(zhì)參數(shù) 88

五、SA PSO混合算法求解各向異性介質(zhì)含水層水文地質(zhì)參數(shù) 93

六、不同優(yōu)化方法分析對比 94

第四章 定降深承壓完整井非穩(wěn)定流抽水試驗(yàn) 96

第一節(jié) 無越流定降深單井非穩(wěn)定流G(λ)-λ標(biāo)準(zhǔn)曲線配線法 96

一、G(λ)-λ標(biāo)準(zhǔn)曲線配線法求解水文地質(zhì)參數(shù) 96

二、井函數(shù)G(λ)的近似解 98

三、傳統(tǒng)G(λ)-λ標(biāo)準(zhǔn)曲線配線法計(jì)算實(shí)例 98

四、自適應(yīng)慣性權(quán)重粒子群(SAPSO)定降深抽水試驗(yàn)優(yōu)化配線法 101

五、自適應(yīng)慣性權(quán)重粒子群算法優(yōu)化配線法計(jì)算實(shí)例一 102

六、自適應(yīng)慣性權(quán)重粒子群算法優(yōu)化配線法計(jì)算實(shí)例二 105

第二節(jié) 直線圖解法 109

一、直線圖解法求解水文地質(zhì)參數(shù) 109

二、基于最小二乘法曲線擬合的直線圖解法 110

三、計(jì)算實(shí)例 111

第三節(jié) 第一類越流系統(tǒng)定降深非穩(wěn)定流標(biāo)準(zhǔn)曲線配線法 112

一、G(λ.rBw)-λ標(biāo)準(zhǔn)曲線配線法基本原理 112

二、RandWPSO配線法求解水文地質(zhì)參數(shù) 114

三、隨機(jī)權(quán)重粒子群G(λ.rBw)-λ.Q-t優(yōu)化配線法計(jì)算實(shí)例 115

第五章 直線邊界附近的單井非穩(wěn)定流抽水試驗(yàn) 120

第一節(jié) 直線隔水邊界附近的單井非穩(wěn)定流 120

一、標(biāo)準(zhǔn)曲線配線法求解水文地質(zhì)參數(shù) 120

二、遺傳算法優(yōu)化配線求解水文地質(zhì)參數(shù) 123

三、隔水邊界遺傳算法優(yōu)化配線法計(jì)算實(shí)例分析 124

第二節(jié) 直線補(bǔ)給邊界附近的單井非穩(wěn)定流 129

一、標(biāo)準(zhǔn)曲線配線法求解水文地質(zhì)參數(shù) 129

二、基于隨機(jī)權(quán)重粒子群(RandWPSO)優(yōu)化配線求解水文地質(zhì)參數(shù) 132

三、基于RandWPSO算法的補(bǔ)給邊界降深-距離優(yōu)化配線法計(jì)算實(shí)例 132

第六章 第一類越流系統(tǒng)非穩(wěn)定流抽水試驗(yàn) 136

第一節(jié) 第一類越流系統(tǒng)非穩(wěn)定流抽水試驗(yàn)標(biāo)準(zhǔn)曲線配線法 136

一、第一類越流系統(tǒng)標(biāo)準(zhǔn)曲線配線法求解水文地質(zhì)參數(shù) 136

二、Hantush和Jacob井函數(shù)W(u.Br)近似解 139

三、Hantush和Jacob井函數(shù)W(u.Br)數(shù)值解的推導(dǎo) 141

四、學(xué)習(xí)因子同步變化粒子群(LnCPSO)優(yōu)化配線求解水文地質(zhì)參數(shù) 143

五、學(xué)習(xí)因子同步變化粒子群算法越流系統(tǒng)降深-時間配線法計(jì)算分析 144

六、LnCPSO算法參數(shù)取值影響分析 149

第二節(jié) 定點(diǎn)喂食粒子群優(yōu)化算法(LFPSO)151

一、問題的提出 151

二、定點(diǎn)喂食的思路 151

三、計(jì)算公式及實(shí)施步驟 152

四、定點(diǎn)喂食粒子群LFeHPSO算法優(yōu)化配線法計(jì)算步驟 153

五、LFeHPSO算法優(yōu)化配線計(jì)算實(shí)例 154

第三節(jié) 根據(jù)穩(wěn)定狀態(tài)抽水試驗(yàn)資料確定水文地質(zhì)參數(shù) 156

一、傳統(tǒng)標(biāo)準(zhǔn)曲線配線法求解水文地質(zhì)參數(shù) 156

二、蟻群算法優(yōu)化(ACO)配線求解水文地質(zhì)參數(shù) 159

三、基于蟻群算法的越流系統(tǒng)穩(wěn)定流優(yōu)化配線計(jì)算實(shí)例 159

四、免疫算法(Immune)的越流系統(tǒng)穩(wěn)定流優(yōu)化配線 162

五、基于隨機(jī)權(quán)重粒子群的越流系統(tǒng)穩(wěn)定流優(yōu)化配線計(jì)算分析 164

第七章 第二類越流系統(tǒng)非穩(wěn)定流抽水試驗(yàn) 166

第一節(jié) 基本情況 166

第二節(jié) 根據(jù)短時間抽水試驗(yàn)資料求解水文地質(zhì)參數(shù) 167

一、配線法求解水文地質(zhì)參數(shù) 167

二、弱透水層彈性釋水越流井函數(shù)H(u.β)的數(shù)值解 169

三、自適應(yīng)慣性權(quán)重粒子群(SAPSO)優(yōu)化配線求解水文地質(zhì)參數(shù) 171

四、自適應(yīng)慣性權(quán)重粒子群算法優(yōu)化配線計(jì)算分析 172

五、基于定點(diǎn)喂食的粒子群算法(LFPSO)例題計(jì)算分析 178

第三節(jié) 根據(jù)長時間抽水試驗(yàn)資料求解水文地質(zhì)參數(shù) 181

第八章 潛水完整井非穩(wěn)定流抽水試驗(yàn) 183

第一節(jié) 考慮遲后疏干的博爾頓(Boulton)模型 183

一、傳統(tǒng)博爾頓配線法 183

二、Boulton井函數(shù)的數(shù)值計(jì)算及近似處理 186

三、傳統(tǒng)博爾頓配線法計(jì)算例題8.1 187

四、基于隨機(jī)權(quán)重粒子群(RandWPSO)的Boulton模型優(yōu)化配線法 193

五、潛水非穩(wěn)定流Boulton模型RandWPSO算法優(yōu)化配線計(jì)算實(shí)例 194

六、基于定點(diǎn)喂食的隨機(jī)權(quán)重粒子群算法優(yōu)化(LFRandWPSO)配線計(jì)算流程 206

七、LFRandWPSO算法優(yōu)化配線計(jì)算分析 207

第二節(jié) 其他Boulton模型實(shí)例優(yōu)化配線計(jì)算分析 210

一、5套潛水非穩(wěn)定流抽水試驗(yàn)資料LFRandWPSO算法優(yōu)化配線分析 210

二、Boulton模型粒子群優(yōu)化配線算法的改進(jìn) 221

第三節(jié) 考慮含水層各向異性及遲后疏干的紐曼(Neuman)模型 232

一、Neuman配線法 232

二、Neuman井函數(shù)的求解 233

三、先配B曲線后配A曲線配線法計(jì)算步驟及計(jì)算例題245

四、先配A曲線后配B曲線配線法計(jì)算步驟及計(jì)算例題257

第四節(jié) 不同Neuman配線法求解的差異性分析 260

一、Neuman配線法的配線類型 261

二、不同Neuman配線方法計(jì)算結(jié)果分析 261

第九章 承壓非完整井非穩(wěn)定流抽水試驗(yàn) 263

第一節(jié) 承壓非完整井標(biāo)準(zhǔn)曲線配線法基本原理 263

一、承壓非完整井非穩(wěn)定流基本方程 263

二、非完整井井函數(shù)的求解 264

第二節(jié) 根據(jù)抽水試驗(yàn)資料確定水文地質(zhì)參數(shù) 269

一、承壓非完整井配線計(jì)算步驟 270

二、承壓非完整井計(jì)算例題9.1 271

第三節(jié) 隨機(jī)權(quán)重粒子群非完整井優(yōu)化配線求解文地質(zhì)參數(shù) 272

一、基于隨機(jī)權(quán)重粒子群非完整井優(yōu)化配線求解水文地質(zhì)參數(shù) 272

二、基于RandWPSO算法的非完整井優(yōu)化配線計(jì)算實(shí)例 272

第十章 其他水文地質(zhì)參數(shù)智能優(yōu)化求解 278

第一節(jié) 承壓含水層微水試驗(yàn) 278

一、承壓含水層微水試驗(yàn)配線法求解水文地質(zhì)參數(shù) 278

二、基于線性遞減權(quán)重粒子群優(yōu)化(LinWPSO)配線求解水文地質(zhì)參數(shù) 282

三、線性遞減權(quán)重粒子群算法優(yōu)化配線計(jì)算實(shí)例 282

第二節(jié) 彌散系數(shù)智能優(yōu)化配線法 285

一、標(biāo)準(zhǔn)曲線配線法 285

二、蟻群算法優(yōu)化配線求解彌散系數(shù) 289

三、基于蟻群算法的彌散系數(shù)優(yōu)化配線計(jì)算分析 289

四、基于標(biāo)準(zhǔn)粒子群(PSO)的彌散系數(shù)優(yōu)化配線計(jì)算分析 293

五、基于差分進(jìn)化的彌散系數(shù)優(yōu)化配線計(jì)算分析 296

參考文獻(xiàn) 299

附錄 302

附錄1 降深-時間配線法 3 2100433B

對于非穩(wěn)定流抽水試驗(yàn)水文地質(zhì)參數(shù)計(jì)算，作者在本《水文地質(zhì)參數(shù)智能優(yōu)化計(jì)算》提出了基于智能優(yōu)化理論的配線計(jì)算方法，并論述了承壓水完整井、非完整井、邊界附近完整井、越流補(bǔ)給含水層、非完整井流、潛水Boulton模型、Neuman模型等水文地質(zhì)參數(shù)智能優(yōu)化配線計(jì)算方法及例題。特點(diǎn)是采用智能優(yōu)化配線替代傳統(tǒng)的人工配線法計(jì)算水文地質(zhì)參數(shù)，彌補(bǔ)了人工配線存在配線及讀數(shù)誤差的不足，解決了各種類型井函數(shù)的自動計(jì)算問題，提出了基于定點(diǎn)喂食的改進(jìn)粒子群算法，用于曲線族類井函數(shù)的多維度目標(biāo)函數(shù)優(yōu)化配線計(jì)算，加快了收斂速度，提高了計(jì)算精度，免去了所有配線法制作標(biāo)準(zhǔn)曲線及人工繪制同比例試驗(yàn)曲線的麻煩和配線計(jì)算過程，使得水文地質(zhì)參數(shù)計(jì)算更加高效、快速、準(zhǔn)確。《水文地質(zhì)參數(shù)智能優(yōu)化計(jì)算》重點(diǎn)介紹了運(yùn)用粒子群算法、蟻群算法、模擬退火算法、遺傳算法、差分進(jìn)化算法等進(jìn)行優(yōu)化配線求解水文地質(zhì)參數(shù)的方法及步驟，以及智能優(yōu)化配線與人工手動配線計(jì)算實(shí)例對比分析?！端牡刭|(zhì)參數(shù)智能優(yōu)化計(jì)算》附有作者基于MATLAB開發(fā)的部分相關(guān)程序，便于在本行業(yè)推廣使用。

第1章智能計(jì)算與參數(shù)反演概述

1.1參數(shù)反演的工程背景

1.2有關(guān)人類智能的定義

1.3智能計(jì)算方法概述

1.3.1遺傳算法及其發(fā)展歷程

1.3.2人工神經(jīng)網(wǎng)絡(luò)及其發(fā)展和應(yīng)用現(xiàn)狀

1.3.3模擬退火算法及其研究進(jìn)展

1.3.4人工蟻群優(yōu)化算法發(fā)展和應(yīng)用現(xiàn)狀

1.3.5啟發(fā)式優(yōu)化方法比較分析

1.4基于智能計(jì)算的參數(shù)反演方法研究進(jìn)展

2.2參數(shù)識別反問題所要研究的內(nèi)容

2.3求解反問題的特點(diǎn)和難點(diǎn)

1.4.1基于梯度搜索算法巖土力學(xué)反問題研究簡單回顧

1.4.2基于人工神經(jīng)網(wǎng)絡(luò)方法巖土力學(xué)反問題研究進(jìn)展

1.4.3基于遺傳算法巖土力學(xué)反問題研究進(jìn)展

1.4.4基于模擬退火算法巖土力學(xué)反問題研究進(jìn)展

1.5本書的主要內(nèi)容介紹

參考文獻(xiàn)

第2章參數(shù)識別反問題的適定性及其討論

2.1經(jīng)典的最小二乘參數(shù)估計(jì)方法

2.4反問題的基本求解方法

2.4.1反問題的直接解法

2.4.2反問題的間接求解方法

2.5反問題解的適定性

2.5.1反問題解的適定性的定義

2.5.2反問題參數(shù)識別的可識別性

2.5.3反問題參數(shù)識別的唯一性

2.5.4反問題參數(shù)識別的穩(wěn)定性

2.6參數(shù)識別結(jié)果的協(xié)方差分析

2.7本章小結(jié)

參考文獻(xiàn)

第3章基于梯度搜索的巖土力學(xué)參數(shù)反演方法

3.1參數(shù)識別反問題解的定義

3.2基于Levenberg-Marquardt最小二乘的參數(shù)反演方法

3.3基于BFGS優(yōu)化方法的參數(shù)反演方法

3.4對偶邊界控制方法在反演中的應(yīng)用

3.5數(shù)值算例

3.5.1土體固結(jié)參數(shù)反演

3.5.2基于BFGS優(yōu)化方法的初始地應(yīng)力場參數(shù)位移反分析

3.5.3基于正則化最小二乘法的含水層參數(shù)反演

3.6工程應(yīng)用——基于Gauss-Newton優(yōu)化算法的豐滿混凝土大壩彈性參數(shù)反演方法

3.6.1工程概況

3.6.2壩頂水平位移水壓分量的分離計(jì)算

3.6.3參數(shù)識別結(jié)果

3.7本章小結(jié)

參考文獻(xiàn)

第4章基于遺傳算法巖土材料力學(xué)參數(shù)反演方法

4.1遺傳算法的基本原理和特點(diǎn)

4.2遺傳算法的進(jìn)化過程和基本操作

4.2.1編碼和解碼

4.2.2初始種群的生成

4.2.3適應(yīng)度值評價(jià)

4.2.4選擇操作

4.2.5交叉操作

4.2.6變異操作

4.2.7收斂準(zhǔn)則

4.3遺傳算法運(yùn)行參數(shù)的選擇

4.4數(shù)值算例

4.4.1多極值優(yōu)化問題算例

4.4.2基于遺傳算法的巖土阻尼參數(shù)識別方法

4.4.3基于遺傳算法巖土邊坡抗剪指標(biāo)參數(shù)反演及其最小安全系數(shù)的全局搜索

4.4.4基于遺傳算法巖體初始地應(yīng)力參數(shù)反演

4.5工程應(yīng)用——基于遺傳算法的豐滿水電站水輪發(fā)動機(jī)振動荷載參數(shù)反演

4.5.1水輪發(fā)電機(jī)現(xiàn)場振動測試試驗(yàn)

4.5.2水輪發(fā)電機(jī)振動正演分析模型

4.5.3水輪發(fā)電機(jī)振動荷載參數(shù)反演結(jié)果

4.6本章小結(jié)

參考文獻(xiàn)

第5章基于人工神經(jīng)網(wǎng)絡(luò)巖土力學(xué)參數(shù)反演及其預(yù)測方法

5.1人工神經(jīng)網(wǎng)絡(luò)簡介

5.2生物神經(jīng)元

5.3人工神經(jīng)網(wǎng)絡(luò)常用的學(xué)習(xí)規(guī)則

5.4BP神經(jīng)網(wǎng)絡(luò)

5.4.1BP神經(jīng)網(wǎng)絡(luò)的傳遞函數(shù)

5.4.2BP神經(jīng)網(wǎng)絡(luò)模型

5.4.3經(jīng)典的BP算法

5.5數(shù)值算例

5.5.1巖土邊坡彈性參數(shù)識別方法

5.5.2邊坡穩(wěn)定性分析的神經(jīng)網(wǎng)絡(luò)預(yù)測

5.5.3基于混合優(yōu)化策略的結(jié)構(gòu)損傷識別方法

5.6有關(guān)人工神經(jīng)網(wǎng)絡(luò)的討論

5.6.1幾個關(guān)鍵問題

5.6.2遺傳神經(jīng)網(wǎng)絡(luò)

5.7工程應(yīng)用——基于遺傳神經(jīng)網(wǎng)絡(luò)的白山混凝土大壩滲透系數(shù)反演

5.7.1工程概況

5.7.2滲透系數(shù)反演分析

5.8本章小結(jié)

參考文獻(xiàn)

第6章基于模擬退火算法的巖土材料熱傳導(dǎo)參數(shù)識別方法

6.1物理退火過程和Metropolis準(zhǔn)則

6.2模擬退火算法的馬爾可夫鏈

6.3模擬退火算法新解的產(chǎn)生和接受準(zhǔn)則

6.4模擬退火算法的改進(jìn)

6.5數(shù)值算例

6.5.1瞬態(tài)多層材料熱力學(xué)參數(shù)識別方法

6.5.2混凝土水化過程熱力學(xué)參數(shù)識別

6.5.3材料非線性熱傳導(dǎo)參數(shù)識別

6.5.4集中熱源作用下材料熱力學(xué)參數(shù)反演

6.5.5穩(wěn)態(tài)熱傳導(dǎo)材料參數(shù)識別問題

6.6工程應(yīng)用——基于模擬退火算法的云峰混凝土大壩材料參數(shù)反演

6.7本章小結(jié)

參考文獻(xiàn)

第7章基于蟻群算法的地下水滲流模型參數(shù)識別方法

7.1自然界中螞蟻的基本特性

7.2人工蟻群算法的發(fā)展歷史及其研究進(jìn)展

7.3經(jīng)典的用于求解TSP的蟻群算法模型

7.4蟻群算法的改進(jìn)

7.5數(shù)值算例

7.5.1地下水污染源識別

7.5.2基于蟻群算法的含水層參數(shù)識別

7.6工程應(yīng)用——基于蟻群算法的豐滿混凝土大壩滲透系數(shù)反演

7.7本章小結(jié)

參考文獻(xiàn)

第8章盾構(gòu)機(jī)掘進(jìn)過程中的智能預(yù)測與控制方法

8.1國內(nèi)外盾構(gòu)掘進(jìn)機(jī)的發(fā)展歷史和現(xiàn)狀

8.2EPB盾構(gòu)機(jī)工作面土壓力和油缸推力合理選擇

8.2.1EPB盾構(gòu)機(jī)工作面土壓力合理選擇

8.2.2盾構(gòu)機(jī)掘進(jìn)推力的優(yōu)化研究

8.3基于神經(jīng)網(wǎng)絡(luò)的盾構(gòu)機(jī)掘進(jìn)隧道地表沉降研究

8.3.1地表變形的基本理論

8.3.2盾構(gòu)隧道地面變形的神經(jīng)網(wǎng)絡(luò)預(yù)測模型

8.4基于神經(jīng)網(wǎng)絡(luò)的EPB盾構(gòu)機(jī)土艙壓力控制系統(tǒng)

8.4.1基于PID神經(jīng)網(wǎng)絡(luò)的非線性系統(tǒng)控制原理

8.4.2基于PID神經(jīng)網(wǎng)絡(luò)EPB盾構(gòu)機(jī)土艙壓力控制系統(tǒng)

8.4.3基于BP神經(jīng)網(wǎng)絡(luò)的土艙壓力平衡自動控制

8.5本章小結(jié)

參考文獻(xiàn)

……2100433B

智能優(yōu)化平臺上的各優(yōu)化包，界面簡潔，操作簡單，易于上手。同時這些優(yōu)化包針對場景化進(jìn)行設(shè)計(jì)，針對實(shí)際推廣中的不同問題定制，以滿足您的使用需求。

智能優(yōu)化系列產(chǎn)品不僅方便操作，更能借助百度內(nèi)部的龐大數(shù)據(jù)資源和先進(jìn)算法，為百度推廣客戶定制有效的賬戶優(yōu)化方案，提升客戶的推廣效果和轉(zhuǎn)化率，提高投資回報(bào)比。

我們現(xiàn)在為百度推廣客戶提供了六個不同的智能優(yōu)化包，以滿足您多方面的推廣需求?？蛻艨梢栽谒阉魍茝V的推廣概況頁找到它們，這些優(yōu)化包的簡介如下：

智能優(yōu)化開拓客源包

智能優(yōu)化“開拓客源”包 可以幫您便捷、有效且實(shí)惠的增加您網(wǎng)站的流量，提升搜索推廣效果。

智能優(yōu)化突降急救包

該工具包 會在您賬戶發(fā)生效果突降的時候出現(xiàn)。您可以參考其中的建議對您的效果進(jìn)行恢復(fù)。

智能優(yōu)化質(zhì)量度優(yōu)化包

質(zhì)量度優(yōu)化包 可以幫助您更高效的進(jìn)行關(guān)鍵詞的質(zhì)量度的優(yōu)化和提升。

智能優(yōu)化重點(diǎn)詞排名包

在您進(jìn)行百度推廣的時候，您肯定會更加關(guān)注您賬戶中部分關(guān)鍵詞的推廣情況，如關(guān)鍵詞的當(dāng)前排名。智能優(yōu)化——重點(diǎn)詞排名包 可以幫助您將您關(guān)注的重點(diǎn)詞進(jìn)行統(tǒng)一監(jiān)控，并可以給您提供您關(guān)鍵詞的當(dāng)前排名和建議的優(yōu)化方法。使用重點(diǎn)詞排名包，把握百度推廣核心。

智能優(yōu)化智能提詞包

智能提詞包 可以分析您賬戶中的關(guān)鍵詞、推廣行業(yè)等，并以此量身推薦適合您的關(guān)鍵詞。同時，該優(yōu)化包提供的關(guān)鍵詞按照4種推薦理由進(jìn)行劃分，分別為：熱搜詞、潛力詞、質(zhì)優(yōu)詞和行業(yè)詞，多種推廣理由滿足您多方位的需求。

智能優(yōu)化行業(yè)領(lǐng)先包

行業(yè)領(lǐng)先包中披露了同行業(yè)客戶的相關(guān)推廣信息，幫助您對自己的推廣情況進(jìn)行定位，同時您也可以按照優(yōu)化包中的建議，或參考行業(yè)數(shù)據(jù)來對您的推廣賬戶進(jìn)行優(yōu)化。2100433B