遺傳算法在滑坡體變形監(jiān)測預(yù)計方面的應(yīng)用探討

【摘要】介紹了遺傳算法的模型，對滑坡體水平位移、滑坡體沉降量監(jiān)測數(shù)據(jù)進行了預(yù)測。結(jié)果表明，利用遺傳算法特有的全局優(yōu)化能力，對預(yù)計函數(shù)可以做出很好的擬合。

【關(guān)鍵詞】遺傳算法；滑坡變形監(jiān)測；預(yù)計

引言

遺傳算法是模擬自然界生物進化過程與機制求解極值問題的一類自組織、自適應(yīng)人工智能技術(shù)。本文對遺傳算法在滑坡體變形監(jiān)測預(yù)計方面的應(yīng)用做了一些有益的探討。

1.遺傳算法以及其改進模型

1.1 遺傳算法模型

標準的遺傳是從生物學的角度引出和具體闡釋的并且給出了遺傳算法的基本框架，以后對于遺傳算法的改進，都是基于此種算法。

標準遺傳算法的流程如下：（l）使用二進制編碼對搜索空間進行編碼。（2）隨機產(chǎn)生包含n個個體的初始群體。（3）適應(yīng)度評估檢測個體適應(yīng)度（個體適應(yīng)度反映了個體好壞的情況）。（4）WHILE<未滿足迭代終止條件>DO。（5）用賭輪選擇方法選出若干個體進行繁殖，個體可以重復(fù)。（6）隨機配對，按一定概率（交叉概率）進行一點交叉操作，并生成兩個子個體。（7）按照一定概率（變異概率）變異二進制個體串中某個（些）位。（8）適應(yīng)度評估檢測個體適應(yīng)度。（9）END DO。這個過程將導(dǎo)致種群象自然進化一樣的后代種群比前代更加適應(yīng)環(huán)境，末代種群中的最優(yōu)個體經(jīng)過解碼，可以作為問題近似最優(yōu)解。

1.2遺傳算法的改進模型

遺傳算法在許多優(yōu)化問題中都有成功的應(yīng)用，但其本身也存在一些不足.一些學者提出了遺傳算法的改進模型。有以下可以探討改進的方法：編碼表示、適應(yīng)度函數(shù)、選擇策略、控制參數(shù)、遺傳算子等。

編碼表示方面，通常遺傳算法方面應(yīng)用二進制編碼，但二進制編碼不能直接反映問題的固有結(jié)構(gòu)，精度不高，個體長度大，占用計算機內(nèi)存多。所以這是可以改進的一個點，有些學者利用轉(zhuǎn)換法來克服這種弱點。

適度函數(shù)方面，適應(yīng)度函數(shù)是用來區(qū)分群體中個體好壞的標準，是自然選擇的唯一標準，選擇的好壞直接影響算法的優(yōu)劣。引入適應(yīng)值調(diào)節(jié)和資源共享策略可以加快收斂速度和跳出局部最優(yōu)點。對適應(yīng)值進行調(diào)節(jié)就是通過變換改變原適應(yīng)值間的比例關(guān)系，常用的比例變換有線性變換、乘冪變換和指數(shù)變換等。

選則策略方面，優(yōu)勝劣汰的選擇機制使得適應(yīng)值大的個體有較大的存活機會，不同的選擇策略對算法性能有較大的影響。輪盤賭法是使用最多的選擇策略，但這種策略可能會產(chǎn)生較大的抽樣誤差，于是對此提出了很多的改進方法，如繁殖池選擇等。但是這幾種策略都是基于適應(yīng)值比例的選擇，常常會出現(xiàn)早熟收斂現(xiàn)象和停滯現(xiàn)象.這是可以改進的地方之一。

控制參數(shù)方面，制參數(shù)一般有群體大小，交換概率，變異概率等，這些參數(shù)對遺傳算法性能影響較大。在標準的遺傳算法中采用經(jīng)驗進行估計，這將帶來很大的盲目性，而影響算法的全局最優(yōu)性和收斂性。針對這種情況，有的學者提出了：群體規(guī)?？勺兊倪z傳算法。

遺傳算子方面，基本遺傳算法中采用單點交叉算子和簡單的變異算子。它們操作比較簡單，計算量小，但是在使用過程中有很大的局限性， 多維連續(xù)空間的遺傳算法的雜交多樣性進行了分析，通過建立相應(yīng)的數(shù)學模型，在多維連續(xù)空間和大規(guī)模群體中使用均勻雜交算子是如何探索新的解空間區(qū)域。為了使得變異能夠根據(jù)解的質(zhì)量自適應(yīng)的調(diào)整搜索區(qū)域，從而能較明顯地提高搜索能力，提出自適應(yīng)變異算子。

2.實例分析

滑坡是一種常見的自然災(zāi)害，對滑坡災(zāi)害發(fā)生的類型、原因、機理、規(guī)律、監(jiān)測及預(yù)報做出準確的結(jié)論是很有實際意義的。目前，滑坡的非線性動力學特性已經(jīng)得到廣泛的認識。

圖1 斜滑坡示意圖 圖2 雙滑塊模型

滑坡的動力學模型已經(jīng)獲得如下：

以上方程中有5個參數(shù)p、q、w、r和c，p和q是與周期有關(guān)的參數(shù)。對其進行按照遺傳算法找出最優(yōu)解并作出相應(yīng)的預(yù)測。

這種方法在計算得出結(jié)果的同時，也顯現(xiàn)出其很大的優(yōu)越性，經(jīng)過實例分析得出的預(yù)測值可以作為此滑坡的預(yù)測參考。

圖3 變形預(yù)測值 圖4 遺傳迭代收斂曲線

3.結(jié)論

應(yīng)用遺傳算法建立滑坡安全監(jiān)控預(yù)測模型，受到了監(jiān)測界的廣泛關(guān)注，其獨特的結(jié)構(gòu)和強大的信息處理能力可以提供有力的技術(shù)支持。應(yīng)用遺傳算法對滑坡沉降量監(jiān)測數(shù)據(jù)進行了訓(xùn)練和預(yù)測，結(jié)果表明，模型的預(yù)測效果很好，可為實時在線監(jiān)控滑坡安全性態(tài)中提供有力的技術(shù)支持。同時有很多學者也提出了與遺傳算法在圖像處理方面應(yīng)用且有很大的優(yōu)勢。

參考文獻

[1] 葛繼科等.遺傳算法研究綜述[J].計算機應(yīng)用研究，2008

[2] 劉立平，牛熠.遺傳算法綜述[J].東莞理工學院學報，2005

[3] 王建，張獻州.基于加速遺傳算法的GPS 變形監(jiān)測單歷元求解算法[J].測繪通報，2013

艾鵬（1984—），男，2008年畢業(yè)于遼寧科技學院工程測量技術(shù)專業(yè)，助理工程師。