论文部分内容阅读
为探讨蠕变模型的参数反分析问题，解决由于蠕变模型选取不当及模型参数不确定导致实际工程在施工和运营期间面临的安全问题，提出采用基于混沌变异和扰动策略的改进粒子群算法研究蠕变模型的选择与参数确定问题. 针对改进粒子群算法问题，利用混沌变异对粒子群初始位置进行均匀广泛的搜索，利用高斯扰动与柯西扰动两种扰动策略防止粒子陷入全局最优状态，提出一种基于混沌变异和高斯扰动与柯西扰动的CGC-PSO算法，通过混沌变异使初始群体具有更均匀广泛的随机性，从而增加群体多样性，提高优化结果精度;通过高斯扰动与柯西扰动，更新当前粒子全局最优位置，从而使粒子在迭代后期跳出全局最优值，提高算法收敛性能.数值实验表明:CGC-PSO算法在收敛精度、收敛效果以及全局寻优性能上均优于PSO算法. 针对蠕变模型参数反分析问题，分析不同蠕变模型选取特点，利用CGC-PSO算法对实测数据选择不同模型进行模型反分析，建立模型适应度函数，通过反分析结果选择最适模型，比较拟合误差选择最优参数作为模型参数，得到具体蠕变模型表达式，解决实际工程在施工和运营期间面临的安全问题.