桥梁车辆荷载效应外推组合极值方法适用性比较研究

桥梁车辆效应包括加载长度较长的整体效应和较短的局部效应,效应极值可能受到多个加载事件的影响,目前多采用组合广义极值法和组合广义帕累托分布法推定其效应极值。组合极值方法能够很好地解决传统极值理论不适用于非同一底分布样本的问题。为了进一步明确两种组合极值方法在各种车流场景中的适用范围,结合不同交通状态下的模拟车流以及某大跨径悬索桥中的主缆轴力和跨中吊杆轴力两种效应,在分析两种方法假定和算法的基础上,计算了不同加载长度下的效应极值推定结果,并对其影响因素、适用范围以及规律进行了讨论。结果表明:组合广义极值方法对样本量变化与底分布拟合较敏感,在样本量有限的情况下采用组合广义帕累托分布法更合适,在样本量充分的情况下采用组合广义极值方法计算更简便。当样本量充足时,长加载长度效应极值推定中各事件单独作用下的分布拟合曲线不存在交叉区域,其在多事件混合情况下的组合外推极值直接由控制性事件(高峰状态)产生的效应决定。

多事件混合影响的桥梁车辆荷载效应组合极值预测

为解决受多事件混合影响的桥梁车辆荷载效应不满足独立和同分布假定,导致预测极值不准确的问题,提出采用共同阈值,改进组合广义帕累托分布(CGPD)极值预测模型,以适应采用任意尾部逼近函数预测基于事件分类的超阈值样本极值.对CGPD模型的关键问题,如超阈值样本的时间独立性检验、阈值选取和GPD参数估计,分别提出基于自相关系数的采样间隔法、基于K-S优度检验的自动计算法和概率权重矩法的实用解决方法.通过具有理论解的数值算例验证改进CGPD模型及其实用解决方法的准确性,并将CGPD方法应用于中小跨径桥梁和大跨径桥梁车辆荷载效应的极值预测中.结果表明:所提实用解决方法具有很好的应用效果,计算精度高,这些方法是CGPD应用的关键.数值算例验证了CGPD能精确预测受多事件混合影响的样本极值,与理论解的误差在3%以内,而采用传统混合数据的单一广义帕累托分布(SGPD)进行外推会产生很大偏差.中小跨径桥梁车辆荷载效应可以基于参与加载的货车数量划分加载事件,大跨径桥梁车辆荷载效应则可以根据时均交通量和时均货车比率划分时段形成不同加载事件,应用CGPD方法均能简单而方便地获取任意重现期的桥梁车辆荷载效应极值,而传统SGPD方法会形成显著的估计偏差,高达13.7%.

基于指标规范化的水安全评价组合极值公式

在选取各项指标参照值并设定相应规范变换式的基础上,将参数多元组合算子加以改进,提出适用于多区域、多项指标的、具有普适性的水安全评价组合极值公式,并采用粒子群算法优化公式中的参数。将优化好的具有普适性的组合极值公式应用于实例分析计算,评价结果与其他多种方法的评价结果一致,表明该公式的实用性和可行性。由于基于指标规范化的组合极值公式不受评价指标数目多少的限制,为水安全评价模型的普适化、简单化提供了一条途径。

一种基于极值域组合的多序列联配求精算法

多序列联配(MSA)是一个NP问题,常用的方法有渐进法和迭代法,但渐进方法不能调整早期的错误,迭代方法面临怎样跳出局部最优的问题。针对多序列联配问题,提出了极值域组合思想和挖掘策略,极值域组合能够减少搜索空间,易于找到全局最优解。最后得到一种基于极值遗传算法和挖掘策略的多序列联配求精算法。算法用来自于数据库BAliBASE中的数据进行了验证。

基于极值组合分析遗传算法之误

该文推导出一系列利用函数极值点的分解组合进行寻优的原理 ,最为重要的是得出选择亲本的原则 :该亲本为极值点 ,而不是适应度高 .这正是遗传算法的最大误区 ,是遗传算法诸多缺点的根源之所在 ,如未成熟收敛 ,效率低下、局部搜索能力弱等 .该文根据极值组合原理对此进行了理论上的分析 ,仿真结果说明极值组合原理极大地提高了寻优效率 .

基于极值组合的分段PSO算法改进

本文根据极值组合原理,结合粒子群(PSO)算法的本身特性,提出一种基于极值组合的分段PSO算法DPSOE(Division Particle Swarm Opti mum Base on Extremum Element As-sembling),并通过实验证明这种算法在函数优化时能有效避免陷入局部最小,且算法效率较高。

极值组合元素算法及其在全局查询优化中的应用

极值组合元素算法是一种新型的智能优化算法,该算法采用了极值组合的原理,并结合模式搜索、排雷策略等多种方法进行极值的优化,使优化的速度、精确性和全局性优于其他算法,并适用于各种范围的极值优化.该算法被应用于分布式系统中的全局查询优化处理,经模拟实验验证具有较好的效果.

一种基于极值思想的多序列联配求精算法

多序列联配(MSA)是一个NP问题,为了取得一个好的联配结果,常用渐进和迭代两种方法,但渐进方法不能调整早期的错误,迭代方法面临怎样跳出局部最优的问题。该文提出了一种新的求精方法,该方法基于极值遗传算法和挖掘策略。极值遗传算法基于极值组合元素,能够减少搜索空间,易于找到全局最优解。算法实现过程中,首先用挖掘算法挖掘出已知联配中的不良序列块,然后所有的不良序列块用极值遗传算法重新联配。当初始的序列是用渐进算法联配时,新的求精方法能调整早期的一些错误,充分结合渐进和迭代算法的优点。最后算法用来自于数据库BAliBASE中数据进行了验证。

重车荷载作用的简支梁桥荷载效应极值预测

为了准确预测重车荷载作用的简支梁桥荷载效应极值,充分考虑了过桥重车的随机性特征和不同重车荷载事件出现的概率,基于经典极值理论,提出了不同重车荷载事件的组合广义极值分布(CGEV)极值预测方法,通过数学推导和数值算例证明了该方法的合理性.同时,以一座简支梁桥为工程背景,采用CGEV方法预测简支梁桥在重车荷载作用下的荷载效应极值.研究结果表明:采用CGEV方法预测桥梁的车致荷载效应极值精度较高且工程应用方便,最大预测误差为4%,而传统混合数据的单一广义极值分布(SGEV)的桥梁车致荷载效应极值预测误差最小为36.6%;简支梁桥的车致荷载效应可以基于同时过桥的重车数量划分荷载事件类型,其车致荷载效应极值主要受2辆重车过桥事件控制;为了保证简支梁桥的安全运营,建造时应有适当的安全储备,管养时应结合实际情况对过桥重车采取相应的限载措施.