地震各向异性研究进展——参加2001年IAGA-IASPEI会议总结

20 0 1年 8月 19～ 31日在越南河内召开了首届IAGA IASPEI联合大会 ,有三个专题对地震各向异性进行了重点讨论 ,另有一些关于地震各向异性的报告分散在不同的专题之中 .从这次大会来看 ,对于地震各向异性的研究主要呈现三个方面的特点 ,一是观测精度和分析技术手段的提高 ,二是注意了与其它地球物理资料的联合使用 。

2013年IAGA科学大会与岩石圈磁异常研究进展

2013年8月26～31日，在墨西哥的梅里达召开了第12届国际地磁学与高空物理学协会（IAGA）科学大会。这次 IAGA科学大会展示了地球内部磁场、高空物理现象、磁层现象、太阳风与行星际磁场、地磁台站及测量与分析等各部分的观测与研究所获得的新进展与新成果。在第12届IAGA科学大会期间召开的岩石圈磁异常的摸拟与解释“专题学术讨论会，显示了岩石圈磁异常研究的新进展。该专题讨论会充分表明，岩石圈磁异常的研究不仅具有重要的地磁学意义，而且具有广泛的实际应用。岩石圈磁异常变化与地震的关系是震磁研究中具有重要意义的探索途径，今后应当深入地分析与研究。

基于主控因子分析与GM-IAGA-WNN联合模型的平推式滑坡位移预测研究——以垮梁子滑坡为例

滑坡位移预测模型是滑坡预警系统建立的核心,而模型可靠性与精确性关键在于主控因子的选取与基础理论模型的构建。学者们通过大量滑坡实例研究,已取得了诸多成果,但是由于滑坡位移变化具有强烈的个性特征及趋势发展的不确定性问题,在多因子联合作用下的位移预测模型尚有不足之处。本文以西南地区普遍存在的平推式滑坡——垮梁子滑坡为研究对象,结合前人已有的研究成果,综合考虑坡体内外各项影响因子,利用灰色关联度与相关性分析对坡体变形主控因子进行优化筛选。以此为基础,提出一种基于GM(1,1)灰色模型与改进型自适应遗传算法(IAGA)进行优化的小波神经网络(WNN)联合预测模型构建方案。通过对垮梁子滑坡历时5年的监测数据挖掘分析,得知滑坡变形受累计降雨、渗压、地下水位及土体含水率影响显著,预测结果与实际监测比较吻合。相较于传统BP神经网络模型、小波神经网络模型和未优化遗传算法-小波神经网络联合模型,该联合模型具有更好的稳定性与精度优势,在滑坡预警预报研究中具有良好的应用前景。

基于IAGA的机械手时间最优轨迹规划

为了实现机械手在约束范围内以最快的速度运动,将遗传算法应用于机械手时间最优轨迹规划的研究。在遗传算法进化过程的基础上,提出了一种基于种群集散状态的改进自适应遗传算子,同时采用了优胜劣汰的选择方式,进化后期交换交叉和变异的顺序,有效地解决了简单遗传算法的两大缺陷。对PUMA560的前三铰进行了仿真试验,并与混沌优化法进行了对比分析。实验结果表明,所提出的算法可以有效地防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力。

基于IAGA的考虑电压波动抑制的含DG配电网多目标重构

分布式电源的接入在改变配电网潮流分布的同时也加剧了电压波动。首先,在给定负荷节点和分布式电源节点功率波动范围的条件下,推导了基于区间数的含DG配电网电压波动计算方法;并在此基础上建立了以网损最小和电压波动最小为优化目标的配电网多目标、多约束重构模型;然后提出一种改进自适应遗传算法(IAGA)来求解上述重构模型,该算法可以针对传统遗传算法的早熟、不收敛等问题加以改进;最后,利用IEEE 33节点标准算例验证了上述重构模型的实用性,并且通过多次寻优测试,证明了改进自适应遗传算法具有较高的寻优效率和寻优成功率。

基于IAGA-BP算法的电缆井有害气体分布式监测系统

针对气体传感器因交叉干扰及环境因素导致测量精度低,无法准确监测电缆井有害气体的问题,利用IAGA-BP算法对气体传感器测量值在线误差补偿,提出电缆井有害气体分布式监测系统方案。系统融合MSP430单片机、4G模块和传感器搭建采集终端,获取有害气体CO,CH4,H_(2)S浓度及环境温、湿度,利用4G模块将数据透传至服务器;再将校正后的数据推送给检修人员,实时监测电缆井有害气体。实验结果表明:经IAGA-BP算法补偿后,三种气体平均相对误差在BP算法基础上均减少30%以上,精度在原测量值基础上分别提高11.02%,8.94%,14.24%,为精准监测电缆井有害气体提供一种新方法。

Jin-Ping ZHOU,SERVICE AT GEOMAGNETIC OBSERVATORIES,AWARDED THE“LONG SERVICE MEDAL OF IAGA”

Ｊｉｎ┐ＰｉｎｇＺＨＯＵ，ＳＥＲＶＩＣＥＡＴＧＥＯＭＡＧＮＥＴＩＣＯＢＳＥＲＶＡＴＯ┐ＲＩＥＳ，ＡＷＡＲＤＥＤＴＨＥ“ＬＯＮＧＳＥＲＶＩＣＥＭＥＤＡＬＯＦＩＡＧＡ”Ｍｒ．Ｊｉｎ－ＰｉｎｇＺＨＯＵｗａｓｂｏｒｎｉｎＤｅｃ．１９３３．Ｈｅｇｒａｄｕａｔｅ...

基于IAGA-BP神经网络的海洋平台健康状况预测

对海洋平台的健康状况进行客观合理的评估是保障海洋平台正常安全运作的重要前提。针对海洋平台日益突出的健康状况评估问题,提出了基于改进的遗传算法和BP神经网络相结合的海洋平台健康状况预测模型。该模型首先对传统的遗传算法进行改进,保留精英个体,大概率选择优秀个体,直接淘汰较差个体,通过自适应算法改进交叉概率和变异概率,再通过改进的遗传算法对BP神经网络的初始权值和阈值进行优化,以优化了初始权值和阈值的BP神经网络对海洋平台健康状况进行评估。通过对海洋平台的历史监测数据进行了仿真验证,结果表明,传统BP神经网络预测误差大多在0.4~0.8之间浮动,GA-BP神经网络预测误差大多在0.2~0.4之间浮动,而IAGA-BP神经网络预测误差大多在0.1~0.2之间浮动,IAGA-BP神经网络模型的收敛速度和精度明显优于传统的BP神经网络模型和GA-BP神经网络模型,可以更好的适用于对海洋平台健康状况的预测。

基于IAGA-BP算法的高拱坝-坝基力学参数反演分析

基于监测资料对坝体和坝基的力学参数进行反演,对大坝的安全评价具有重要意义。该文提出了基于改进自适应遗传算法和BP神经网络(IAGA-BP)的力学参数反演分析方法,采用考虑权重的绝对百分误差作为目标函数,可以针对多点监测资料和非线性数值仿真进行力学参数反演。基于正常蓄水位下拱坝坝体、坝基及拱肩槽边坡等25个测点的实测变形,对坝体混凝土、基础岩体及结构面的多个材料分区的11个关键力学参数进行了反演分析。结果表明,反演值和实测值吻合较好,将材料参数作为输入层、测点变形作为输出层有效避免了反演值的“失真”问题。针对高拱坝-坝基系统的力学参数反演,分析了神经网络拓扑结构、目标函数、训练样本数量等对反演结果的影响。

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法 Ｉ Ａ Ｇ Ａ，它利用网络结构的特点，采用前向自适应技术，实现对神经网络的有效训练．实验表明，该算法优于 Ｂ Ｐ算法、标准遗传算法 Ｂ Ｇ Ａ 和普通自适应遗传算法 Ａ Ｇ Ａ。

第11代国际地磁参考场

2009年12月,国际地磁学与高空物理学协会(IAGA)发布了第11代国际地磁参考场(IGRF-11)。第11代IGRF包括1900.0—2010.0年代(间隔为5年)共23个地磁模型与2010.0—2015.0年代地磁长期变化的预测模型,其中1900.0—1995.0年代模型的阶次为N=M=10,相应球谐系数的精度为1 nT;2000.0—2010.0年代模型的阶次为N=M=13,其球谐系数的精度为0.1 nT;而2010.0—2015.0年代地磁长期变化预测模型的阶次为N=M=8,其球谐系数的精度为0.1 nT。本文概述了第11代国际地磁参考场及其2010.0年代地磁模型与2010.0—2015.0年代地磁长期变化的预测模型。

基于语音、表情与姿态的三模态普通话情感识别

为了克服单模态普通话情感识别效率低、可靠性差的问题,对情感识别非常重要的语音、表情与姿态三个模态进行特征层融合,提出普通话三模态情感识别方法。首先从语音声学、面部表情和运动姿态中分别提取不同的情感特征,然后采用改进的遗传算法IAGA进行三模态情感特征融合,最后利用SVM分类器构建预测模型并完成情感识别。将三模态融合方法在CHEAVD中文多模态情感数据集进行测试,并和传统的单模态、双模态情感识别进行对比,实验结果表明,双模态融合的情感识别率要高于单模态,三模态融合的情感识别率高于双模态,验证了普通话三模态情感识别方法的有效性。

国际地磁学与高空物理学协会和国际地震学与地球内部物理学协会联合科学大会及地震电磁研究进展

简要介绍了 2 0 0 1年 8月 1 9～ 3 1日在越南河内召开的国际地磁学与高空物理学协会 ( IAGA)和国际地震学与地球内部物理学协会 ( IASPEI)联合科学大会以及地震电磁研究进展 ,表明地震电磁前兆在地震预测研究中具有一定的实际效果与良好的研究前景。我们建议在不久的将来能在北京举办 IAGA,IASPEI和 IUGG(国际大地测量学与地球物理学联合会 )大会。这将促进我国的科技进步 ,有助于加强我国在国际科学界的地位与影响。

信息处理单元测试系统并行测试技术研究

针对信息处理单元测试的功能需求,设计实现了基于PXIe总线的测试系统,系统包括测控单元、供电单元和接口单元三个组成部分,并完成了测试系统的软件设计;根据信息处理单元测试系统实际的测试流程和所需资源的使用情况,将并行测试技术引入到系统中,重新对相互独立的测试任务进行了并行化分析,构建了该测试系统的任务调度数学模型,提出了一种改进的自适应遗传算法(即IAGA算法),解决了并行测试模块中复杂且难以优化的任务调度问题;对任务调度模型进行了算法仿真验证和实验结果分析,验证了所得解的全局性,所得出的执行序列与串行测试相比,测试效率提高了43.57%,并与其他算法进行了对比,验证了IAGA算法的可行性与优越性;最后将IAGA算法嵌入到了测试系统的软件当中,实现了该优化策略的实际工程应用。

自动气象站数据采集器温度通道的环境温度补偿

针对自动气象站数据采集器温度通道容易受到环境温度影响限制测量精度的问题,对数据采集器进行了温度漂移检测实验并对实验数据进行了误差分析,提出了基于改进自适应遗传算法优化的最小二乘支持向量机(improved adaptive geneticalgorithm least squares support vector machine,IAGA-LSSVM)的温度补偿方法。改进的自适应遗传算法能够对最小二乘支持向量机拟合过程中的关键参数进行调整从而建立最优模型。与传统LS-SVM相比,IAGA-LSSVM对温度数据的建模均方根误差减小了0.007,有效提高了建模的精度。根据建立的最优函数模型对该数据采集器温度通道进行温度补偿结果表明,经该方法补偿后的数据采集器在任何温度环境下的温度测量误差均小于0.03℃,具有更高的测量精度和稳定性,有效提高了自动气象站的温度观测质量。同时,设计开发了温度补偿界面,为自动气象站观测数据校验和实际业务应用奠定了基础。

基于改进自适应遗传算法的MIMO雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法。算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度。通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性。在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用。最后仿真实验结果进一步验证了本文改进算法的有效性。

国际地磁台网计划INTERMAGNET

本文介绍了国际地磁台网计划（INTERMAGNET）的目的、意义、提出、发展过程及未来趋势，强调指出它对地磁台站现代化建设，地磁学研究，地球物理学发展以及空间天气预报的影响及作用．地磁场和空间环境的全球性质越来越迫切地要求各国学术团体和组织进行大规模国际合作，而作为地学研究的基础—台站建设与观测，资料收集与交换，资源共享与扩展—更应成为地球科学家关心的重要问题与焦点。

改进变分模态分解在柴油机故障诊断中的应用

为实现柴油机故障的快速诊断,针对变分模态分解(VMD)的不足,提出一种改进的VMD方法,利用改进自适应遗传算法(IAGA)对VMD的参数进行优化。对IAGA的交叉和变异算子进行改进,将VMD分解结果中的局部极小排列熵值作为整个进化过程中的适应度值,对VMD的模态数K与惩罚因子α进行迭代寻优,得到最优参数组合。利用优化后的VMD对曲轴轴承故障模拟实验振动信号进行分解,根据排列熵值大小选择故障分量并提取能量,利用支持向量机(SVM)对故障模式进行识别。仿真分析和曲轴轴承故障模拟实验验证该方法有效。

增程式电动汽车能量管理策略控制参数优化研究

为了进一步提高增程式电动汽车发动机的燃油经济性和排放性,对基本遗传算法进行改进,生成改进的自适应遗传算法,并将其应用于增程式电动汽车能量管理策略控制参数的优化。通过权值函数的方法将燃油消耗和排放多目标优化问题转化为单目标优化问题,并采用罚函数的方法对工况运行前后蓄电池荷电状态的增量进行约束,对增程式电动汽车发动机燃油经济性和排放性进行优化仿真。仿真结果表明,采用改进的自适应遗传算法能够有效优化增程式电动汽车能量管理系统的控制参数,使发动机的燃油经济性和排放性得到较大的提高。

改进神经网络在预测评判油气田设备腐蚀分析中的应用

主要针对一般BP神经网络易陷入局部最小值、收敛速度慢、引起扬荡效应的缺点,提出用一种改进遗传算法对BP网络的权值、阈值进行训练,构建优化的混合算法神经网络模型。在华北油田某管道的腐蚀情况分析中,证明了该方法的正确性和优越性。