水文地質(zhì)參數(shù)智能優(yōu)化計(jì)算圖書(shū)目錄

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(lèi) 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(jiǎn)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(wú)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(shí)間配線(xiàn)法 24

一、Theis降深-時(shí)間配線(xiàn)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(xiàn)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(shí)間優(yōu)化配線(xiàn)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(xiàn)法 35

一、Theis降深-距離配線(xiàn)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(xiàn)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(xiàn)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(shí)間距離配線(xiàn)法 43

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

二、計(jì)算例題3.344

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

四、LinWPSO算法降深-時(shí)間距離優(yōu)化配線(xiàn)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(shí)間配線(xiàn)法 57

一、Theis降深-距離時(shí)間配線(xiàn)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(shí)間優(yōu)化配線(xiàn) 60

第六節(jié) 雅各布(Jacob)降深-時(shí)間直線(xiàn)圖解法 62

一、降深-時(shí)間直線(xiàn)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(dòng)優(yōu)化Jacob降深-時(shí)間直線(xiàn)圖解法 64

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

第七節(jié) 雅各布(Jacob)降深-距離直線(xiàn)圖解法 66

一、降深-距離直線(xiàn)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(xiàn)擬合的降深-距離直線(xiàn)圖解法 68

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

第八節(jié) 雅各布(Jacob)降深-時(shí)間距離直線(xiàn)圖解法 69

一、降深-時(shí)間距離直線(xiàn)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(xiàn)擬合的降深-時(shí)間距離直線(xiàn)圖解法 70

四、基于最小二乘法曲線(xiàn)擬合的降深-時(shí)間距離直線(xiàn)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(xiàn)圖解法 74

四、基于最小二乘法的水位恢復(fù)直線(xiàn)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(xiàn) 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(xiàn)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(xiàn)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(xiàn)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(xiàn)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(duì)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(wú)越流定降深單井非穩(wěn)定流G(λ)-λ標(biāo)準(zhǔn)曲線(xiàn)配線(xiàn)法 96

一、G(λ)-λ標(biāo)準(zhǔn)曲線(xiàn)配線(xiàn)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(xiàn)配線(xiàn)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(xiàn)法 101

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

第二節(jié) 直線(xiàn)圖解法 109

一、直線(xiàn)圖解法求解水文地質(zhì)參數(shù) 109

二、基于最小二乘法曲線(xiàn)擬合的直線(xiàn)圖解法 110

三、計(jì)算實(shí)例 111

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

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

二、RandWPSO配線(xiàn)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(xiàn)法計(jì)算實(shí)例 115

第五章 直線(xiàn)邊界附近的單井非穩(wěn)定流抽水試驗(yàn) 120

第一節(jié) 直線(xiàn)隔水邊界附近的單井非穩(wěn)定流 120

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

二、遺傳算法優(yōu)化配線(xiàn)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(xiàn)法計(jì)算實(shí)例分析 124

第二節(jié) 直線(xiàn)補(bǔ)給邊界附近的單井非穩(wěn)定流 129

一、標(biāo)準(zhǔn)曲線(xiàn)配線(xiàn)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(xiàn)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(xiàn)法計(jì)算實(shí)例 132

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

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

一、第一類(lèi)越流系統(tǒng)標(biāo)準(zhǔn)曲線(xiàn)配線(xiàn)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(xiàn)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(shí)間配線(xiàn)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(wèn)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(xiàn)法計(jì)算步驟 153

五、LFeHPSO算法優(yōu)化配線(xiàn)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(xiàn)配線(xiàn)法求解水文地質(zhì)參數(shù) 156

二、蟻群算法優(yōu)化(ACO)配線(xiàn)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(xiàn)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(xiàn) 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(xiàn)計(jì)算分析 164

第七章 第二類(lèi)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(shí)間抽水試驗(yàn)資料求解水文地質(zhì)參數(shù) 167

一、配線(xiàn)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(xiàn)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(xiàn)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(zhǎng)時(shí)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(xiàn)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(xiàn)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(xiàn)法 193

五、潛水非穩(wěn)定流Boulton模型RandWPSO算法優(yōu)化配線(xiàn)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(xiàn)計(jì)算流程 206

七、LFRandWPSO算法優(yōu)化配線(xiàn)計(jì)算分析 207

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

二、Boulton模型粒子群優(yōu)化配線(xiàn)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(xiàn)法 232

二、Neuman井函數(shù)的求解 233

三、先配B曲線(xiàn)后配A曲線(xiàn)配線(xiàn)法計(jì)算步驟及計(jì)算例題245

四、先配A曲線(xiàn)后配B曲線(xiàn)配線(xiàn)法計(jì)算步驟及計(jì)算例題257

第四節(jié) 不同Neuman配線(xiàn)法求解的差異性分析 260

一、Neuman配線(xiàn)法的配線(xiàn)類(lèi)型 261

二、不同Neuman配線(xiàn)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(xiàn)配線(xiàn)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(xiàn)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(xiàn)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(xiàn)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(xiàn)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(xiàn)法求解水文地質(zhì)參數(shù) 278

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

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

第二節(jié) 彌散系數(shù)智能優(yōu)化配線(xiàn)法 285

一、標(biāo)準(zhǔn)曲線(xiàn)配線(xiàn)法 285

二、蟻群算法優(yōu)化配線(xiàn)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(xiàn)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(xiàn)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(xiàn)計(jì)算分析 296

參考文獻(xiàn) 299

附錄 302

附錄1 降深-時(shí)間配線(xiàn)法 3 2100433B

對(duì)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(xiàn)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(xiàn)計(jì)算方法及例題。特點(diǎn)是采用智能優(yōu)化配線(xiàn)替代傳統(tǒng)的人工配線(xiàn)法計(jì)算水文地質(zhì)參數(shù)，彌補(bǔ)了人工配線(xiàn)存在配線(xiàn)及讀數(shù)誤差的不足，解決了各種類(lèi)型井函數(shù)的自動(dòng)計(jì)算問(wèn)題，提出了基于定點(diǎn)喂食的改進(jìn)粒子群算法，用于曲線(xiàn)族類(lèi)井函數(shù)的多維度目標(biāo)函數(shù)優(yōu)化配線(xiàn)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(xiàn)法制作標(biāo)準(zhǔn)曲線(xiàn)及人工繪制同比例試驗(yàn)曲線(xiàn)的麻煩和配線(xiàn)計(jì)算過(guò)程，使得水文地質(zhì)參數(shù)計(jì)算更加高效、快速、準(zhǔn)確?！端牡刭|(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(xiàn)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(xiàn)與人工手動(dòng)配線(xiàn)計(jì)算實(shí)例對(duì)比分析。《水文地質(zhì)參數(shù)智能優(yōu)化計(jì)算》附有作者基于MATLAB開(kāi)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(lèi)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(shí)別反問(wèn)題所要研究的內(nèi)容

2.3求解反問(wèn)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(wèn)題研究簡(jiǎn)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(wèn)題研究進(jìn)展

1.4.3基于遺傳算法巖土力學(xué)反問(wèn)題研究進(jìn)展

1.4.4基于模擬退火算法巖土力學(xué)反問(wèn)題研究進(jìn)展

1.5本書(shū)的主要內(nèi)容介紹

參考文獻(xiàn)

第2章參數(shù)識(shí)別反問(wèn)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(wèn)題的基本求解方法

2.4.1反問(wèn)題的直接解法

2.4.2反問(wèn)題的間接求解方法

2.5反問(wèn)題解的適定性

2.5.1反問(wèn)題解的適定性的定義

2.5.2反問(wèn)題參數(shù)識(shí)別的可識(shí)別性

2.5.3反問(wèn)題參數(shù)識(shí)別的唯一性

2.5.4反問(wèn)題參數(shù)識(shí)別的穩(wěn)定性

2.6參數(shù)識(shí)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(shí)別反問(wèn)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(duì)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(chǎng)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(mǎn)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(shí)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(guò)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(píng)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(wèn)題算例

4.4.2基于遺傳算法的巖土阻尼參數(shù)識(shí)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(mǎn)水電站水輪發(fā)動(dòng)機(jī)振動(dòng)荷載參數(shù)反演

4.5.1水輪發(fā)電機(jī)現(xiàn)場(chǎng)振動(dòng)測(cè)試試驗(yàn)

4.5.2水輪發(fā)電機(jī)振動(dòng)正演分析模型

4.5.3水輪發(fā)電機(jī)振動(dòng)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(cè)方法

5.1人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)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(shí)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(cè)

5.5.3基于混合優(yōu)化策略的結(jié)構(gòu)損傷識(shí)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(gè)關(guān)鍵問(wèn)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(shí)別方法

6.1物理退火過(guò)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(shí)別方法

6.5.2混凝土水化過(guò)程熱力學(xué)參數(shù)識(shí)別

6.5.3材料非線(xiàn)性熱傳導(dǎo)參數(shù)識(shí)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(shí)別問(wèn)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(shí)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(shí)別

7.5.2基于蟻群算法的含水層參數(shù)識(shí)別

7.6工程應(yīng)用——基于蟻群算法的豐滿(mǎn)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(guò)程中的智能預(yù)測(cè)與控制方法

8.1國(guó)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(cè)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(xiàn)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(dòng)控制

8.5本章小結(jié)

參考文獻(xiàn)

……2100433B

智能優(yōu)化平臺(tái)上的各優(yōu)化包，界面簡(jiǎn)潔，操作簡(jiǎn)單，易于上手。同時(shí)這些優(yōu)化包針對(duì)場(chǎng)景化進(jìn)行設(shè)計(jì)，針對(duì)實(shí)際推廣中的不同問(wèn)題定制，以滿(mǎn)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(hù)定制有效的賬戶(hù)優(yōu)化方案，提升客戶(hù)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(hù)提供了六個(gè)不同的智能優(yōu)化包，以滿(mǎn)足您多方面的推廣需求?？蛻?hù)可以在搜索推廣的推廣概況頁(yè)找到它們，這些優(yōu)化包的簡(jiǎn)介如下：

智能優(yōu)化開(kāi)拓客源包

智能優(yōu)化“開(kāi)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(huì)在您賬戶(hù)發(fā)生效果突降的時(shí)候出現(xiàn)。您可以參考其中的建議對(duì)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(shí)候，您肯定會(huì)更加關(guān)注您賬戶(hù)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(hù)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(shí)，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(mǎn)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(hù)的相關(guān)推廣信息，幫助您對(duì)自己的推廣情況進(jìn)行定位，同時(shí)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(lái)對(duì)您的推廣賬戶(hù)進(jìn)行優(yōu)化。2100433B