利用整体最小二乘反演地壳应变参数

对地壳应变参数的反演可以确定地壳的应变积累,理解地壳的真实运动状况,传统的地壳应变参数反演都是基于最小二乘,而最小二乘只考虑系数矩阵误差的影响,基于此,将整体最小二乘引入到地壳应变参数反演中,通过分析地壳应变模型中自变量和因变量的误差状况来确定地壳应变参数的随机模型,通过实例分析验证了基于整体最小二乘的地壳应变参数反演结果精度最高。证实了该方法在研究地壳应变参数中的可行性。     

总体最小二乘方法在华北地区应力分析和应变参数反演中的应用

近些年来,华北地区主要受近东西向的持续性挤压应力的作用,导致了东西向的压缩和南北向的挤出运动。从运动场的空间分布来看,其运动并非均匀,与以前的认知并非完全一致。通过基于总体最小二乘的反演方法,利用2002年相对稳定的GPS速度场数据,来分析华北地区板块运动应力场。将应变参数反演结果与基于最小二乘方法得到的结果进行对比分析,发现顾及了监测点误差的总体最小二乘方法更适合华北地区的应力分析和应变参数反演。     

基于粒子群-最小二乘法的岩石流变模型参数反演

为解决参数数量随加载级数增加而成倍增加,对参数反演带来困难这一问题,在分级加载蠕变模型中,根据粒子群算法和最小二乘法对参数反演的特点,先采用粒子群算法(PSO)对模型参数进行反演得到一个全局次优粒子,再将其作为初始值对模型参数进行最小二乘法反演.工程实例表明,粒子群-最小二乘法反演可以很好地应用于分级加载蠕变模型的参数反演.     

遗传算法求概率积分法预计参数程序设计

目前基于概率积分法求取地表移动预计参数的优化算法,如线性最小二乘法,具有易发散、易出现局部解、对初值要求较高、抗粗差干扰性弱等问题。遗传算法(Genetic Algorithm)是一种高效的全局寻优搜索方法,采用人工进化的方式对目标空间进行随机优化搜索。采用遗传算法,利用地表任意点的概率积分法数学模型编写了求取地表移动预计参数的程序,通过皖北某矿井的1013工作面的观测数据并结合地质采矿条件反演了地表移动预计参数,通过与传统的优化算法所求取的参数比较,证明了遗传算法反演结果的准确性和可靠性。     

回归参数的部分有偏改进估计

就回归参数的最小二乘估计提出了一种部分有偏压缩估计方法，分析和讨论了这种方法的性质和特点，结果说明了这种方法可以有效地改进估计矩阵接近奇异时影响参数精度的缺点     

基于替代模型的油藏注采参数多目标优化设计

针对水驱油藏生产过程中合适的注采参数选取难的问题,提出了以净现值和累产油量为目标函数的多目标优化注采参数设计方法。采用基于粒子群算法的最小二乘支持向量机作为替代模型代替数值模拟,并用带精英策略的非支配排序多目标优化遗传算法对注采参数进行优化。以某区块两注两采模型为例,选取生产井井底压力和注水井注入量为优化变量,通过粒子群算法优化的最小二乘支持向量机构建替代模型,在优化过程中代替数模,再利用非支配排序遗传算法对注采参数进行优化。对比分析替代模型和数值模拟优化设计的结果,其误差在3%以内,并在注采参数优化时间上得到了明显提升。     

一元总体最小二乘线性回归与解算分析

针对自变量为随机变量情形,在最小二乘准则下,一元线性回归所得到的回归参数估计及其拟合直线存在二义性问题,为确保解算结果的唯一性和一致性,需用总体最小二乘准则进行解算,对总体最小二乘准则进行了描述,利用奇异值分解方法,讨论了解算公式,最后用一数字算例,用最小二乘和总体最小二乘方法进行了计算和结果分析,得到了一些结论,此方...     

最小二乘混沌算法在水位流量关系拟合中的应用

针对水位流量关系曲线拟合问题,将最小二乘法(LS)与混沌算法(CA)相结合,提出了一种适应于曲线拟合的最小二乘混沌算法(LSCA),并与最小二乘算法及遗传算法的拟合结果进行比较。结果表明,最小二乘混沌算法具有简便、快速、实用性强等优点,是一种较为优秀的全局优化方法,适应于非线性关系的参数率定。     

FPS异常的2种不同解释方法对比

从有限单元法正演模拟入手,采用最小二乘法进行反演计算,通过VC++程序实现,对多个地电模型实例进行计算,并将最小二乘法反演结果与圆弧交汇-相对强度计算结果进行对比。研究结果表明:圆弧交汇-相对强度法对简单模型适用性高,由其反演成果所确定异常体中心位置甚至会优于最小二乘法最优化反演结果;最小二乘法能适应各种地电条件对多种模型进行反演计算,其计算结果优于圆弧交汇-相对强度法计算结果。     

井地电法的三维正反演研究

通过简化井地电法模型为垂直有限长线电流源作用下的三维地下介质模型,利用三维有限元法实现了垂直有限长线电流源作用下的三维地下介质电场的正演计算。应用非线性阻尼最小二乘迭代算法实现了地表电位数据的地下目标层电阻率反演,通过简化模型对相应计算程序进行了检验,证实了程序的可靠性。用给定模型正演得到的地表“理论合成数据”来反演地下异常体,并对数据测量范围和干扰水平对反演的影响进行了讨论。该研究可为提高井地电法反演质量提供部分理论指导依据。     

遗传算法求解函数优化问题的Matlab实现

利用Matlab优化工具箱,结合典型的一维和多维变量函数,在Matlab环境中有效地解决了用遗传算法求解函数优化问题.图形直观,性能优越,为遗传算法的实际应用开辟了新的渠道和途径.     

基于MATLAB平台的遗传算法工具包

在分析遗传算法要素的基础上,编写了基于Matlab的遗传算法工具包（GAToolbox）,该工具具有运行稳定,结构灵活,扩展方便的特点,并易与Matlab的其他工具包结合使用,给出了Matlab遗传算法工具包的三个成功应用实例;1）采用遗传算法工具包构造递阶遗传算法,2）基于遗传算法的径向基径神经网络学习算法;3)遗传算法优化化工过程操作条件,说明Matlab遗传算法工具包的稳定性和实用性。     

基于Matlab的最小二乘曲线拟合在大学物理实验中的应用

将Matlab语言实现数据最小二乘处理的方法应用于大学物理实验,避免了传统实验数据处理方法的弊端,增加了数据处理的准确性及快捷性,Matlab的可视化功能也可以更加直观地反映实验结果,在实际教学中取得了良好的教学效果.     

最小平方估计奇异值分解法的分布式算法

提出迭代式分割与合并的算法（IDMSVD）,以改善最小平方估计的奇异值分解法在估计参数时非常耗费时间以及内存空间的问题。基于此又提出一种使用云计算Hadoop平台MapReduce实现的算法,称为分布式IDMSVD算法。实验结果显示,IDMSVD可以有效地改善SVD求最小平方解耗费运行时间与内存空间的问题,且分布式IDMSVD算法可进一步改善IDMSVD的运行时间。     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。     

具有分布时滞不确定广义系统的稳定性研究

针对一类含有分布时滞和不满足匹配条件的不确定广义系统进行稳定性分析.无需对广义系统做模型变换,通过直接对系统构造适当的Lyapunov函数,利用积分不等式技术,给出了广义系统正则无脉冲渐近稳定的充分条件.该充分条件可通过Matlab中的LMI工具箱进行方便的求解.并给出具体算例证明此方法的有效性.     

非线性切换奇异系统的自适应状态反馈控制

研究了一类满足Lipschitz条件的非线性奇异切换系统的自适应状态反馈控制的设计问题.首先，研究单输入非线性奇异切换系统的基本自适应控制的设计，控制器旨在稳定系统;然后，以单输入非线性奇异切换系统所呈现的具有自适应增益和基于Lyapunov稳定性定理调整增益的机制为基础，将其扩展为多输入奇异切换系统的跟踪问题，设计了自适应控制方法;最后，采用Matlab方法做了数值仿真来说明所提出的控制方法的有效性.所提出的控制器具有非常简单的结构，并且在实践中很容易应用.     

时变时延广义网络控制系统的稳定性分析

针对一类具有时变时延的广义网络控制系统,研究了系统的稳定性和控制器设计问题.假定广义网络控制系统中的传感器采用时钟驱动,控制器和执行器采用事件驱动,时延小于一个采样周期且是时变的.首先对广义网络控制系统进行建模,利用李雅普诺夫函数和线性矩阵不等式方法,给出系统渐近稳定的充分条件.利用Matlab LMI工具箱,可在判定系统稳定的同时,得到使系统稳定的相应的状态反馈控制器.     

遗传算法及其在遥感线性、非线性模型反演中的应用效果分析

分别以2类常见的遥感模型--线性光谱混合模型和GOMS模型为代表研究了遗传算法在遥感线性和非线性模型反演中的应用效果,并与逐步二次规划法等确定性搜索算法进行了比较.结果表明,遗传算法在线性遥感模型反演中的优势并不明显.而在非线性遥感模型反演中优于确定性搜索算法.这主要是因为对于线性模型来说,一般定义的代价函数为凸函数,大多优化算法可以收敛于全局最优解,相比较而言,遗传算法因其搜索效率低,故优势不明显.而在非线性模型反演中,代价函数的形式比较复杂,可能是非凸的,因此遗传算法的优势得以发挥,这也说明与一般确定性搜索算法相比,遗传算法具有更好的全局收敛性.     

基于遗传神经网络的科研项目经费预算方法

针对科研经费预算准确性与实用性无法兼顾的难题,提出基于遗传神经网络的科研项目经费预算方法.分析了科研项目经费构成及影响预算的关键因素,建立了影响因素的量化表达式,将量化结果作为输入,项目经费预算结果作为输出,利用遗传算法优化BP(Back Propagation)神经网络的权值和阈值,通过训练遗传神经网络预测模型建立输入与输出之间的非线性关系.运用预算实例对预测方法进行了有效性验证.仿真结果表明该方法有较高的预测准确性.