快速迭代收缩阈值正则化改进算法在桥梁移动荷载识别中的应用研究

移动荷载识别是结构动力学反问题研究的重要组成部分,其关键在于精确求解车-桥系统方程离散化后得到的大型稀疏线性方程组。由于车-桥系统矩阵同时具有稀疏性、非对称性、非正定性等特点,常用的迭代算法通常难以准确高效地对该大型稀疏线性方程组进行求解。迭代收缩阈值算法源于经典梯度算法,被广泛应用于线性逆问题求解及压缩感知重构算法中。由于迭代收缩阈值算法自身的非渐进全局收敛差的缺陷,导致荷载识别结果与真实值存在一定程度的偏差,难以实现对动态荷载的完全稀疏表达。为提高迭代收缩阈值算法的收敛性与稳定性,提出一种快速迭代收缩阈值正则化改进算法,将其用于识别桥梁移动荷载。通过引入迭代正则化,改进算法可准确提取动态荷载的信号特征,进而提高移动荷载识别方法的识别精度和抗噪性能。

基于改进BPNN与T_2全谱的致密砂岩储层渗透率预测

针对现有核磁共振测井渗透率模型对孔隙结构复杂的致密砂岩储层预测精度不高的问题,在分析误差反向传播神经网络的缺陷后,提出了一种利用集成正则化改进神经网络(BPNN)算法与核磁共振T_2全谱预测致密砂岩储层渗透率的方法。该方法采用自构形算法自动确定隐层神经元的个数,采用自适应雨林优化算法避免BP神经网络迭代陷入局部极小值,利用L_2正则化算子保证算法的稳定性,采用Adaboost集成算法串联若干BP神经网络以提高模型泛化能力。提取某区致密砂岩储层192块岩样的核磁共振T_2全谱数据进行建模,并应用于非建模井的渗透率评价,认为基于集成正则化改进BPNN算法评价储层渗透率精度较高,均方误差仅有0.286。