基于改進(jìn)粒子群算法的邊坡工程參數(shù)辨識(shí)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(dāng)?shù)墓烙?jì)邊坡的力學(xué)參數(shù)和初始應(yīng)力場(chǎng)，毫無(wú)疑問(wèn)，實(shí)驗(yàn)室測(cè)試和現(xiàn)場(chǎng)試驗(yàn)是解決這一問(wèn)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(shí)驗(yàn)室內(nèi)小試樣的測(cè)試或局部的有限現(xiàn)場(chǎng)試驗(yàn)得到的邊坡力學(xué)參數(shù)存在較大的隨意性，并且實(shí)驗(yàn)結(jié)果代表性不強(qiáng)，數(shù)據(jù)離散，使得與實(shí)際的邊坡力學(xué)參數(shù)有較大偏差，進(jìn)而導(dǎo)致在一定程度上按照這些參數(shù)計(jì)算的理論分析結(jié)果和現(xiàn)場(chǎng)實(shí)測(cè)結(jié)果有較大的誤差[1]。反分析方法為合理確定

2、邊坡力學(xué)參數(shù)提供了一條有效的途徑。伴隨著計(jì)算機(jī)技術(shù)的發(fā)展，正分析的理論和計(jì)算方法逐漸成熟，觀測(cè)儀器的精度也逐步提高，根據(jù)現(xiàn)場(chǎng)觀測(cè)數(shù)據(jù)進(jìn)行邊坡力學(xué)模型參數(shù)反演具有良好的應(yīng)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(xué)習(xí)的改善粒子群算法，通過(guò)賦予粒子一定的自主性來(lái)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(jì)算效率，并通過(guò)實(shí)際測(cè)試函數(shù)驗(yàn)證了該算法比基本