摘要：提出了一种基于离散粒子群优化的贝叶斯网络结构学习算法——PSBN(Particle Swarm for Bayesian Network)。贝叶斯网络的结构被映射为一种符号编码,通过在迭代过程中对粒子的符号编码进行调整,从而进化得到具有更高适应度值的贝叶斯网络结构。根据贝叶斯网络的结构特点,粒子位置和速度的编码方案和基本操作被设计,使得算法对贝叶斯网络的结构学习有较好的收敛性。实验结果表明,与基于遗传算法的贝叶斯网络结构学习算法相比,PSBN算法具有较好的学习效果。

摘要：为了揭示在地下水头升降过程中西安市承压含水层的物理及力学性质,采用自行设计的高压渗透固结试验设备模拟西安市承压含水层中细砂高压渗透,研究了在不同竖向压力和孔隙水压力条件下砂柱应变与时间的关系、应力与应变的关系以及砂样的渗透性,同时对比探讨了试验前后砂样微观结构。结果表明:孔隙水压力降低或竖向压力增大时,砂柱发生压缩变形且表现出分段线性的特点;在一定应力范围内,增大孔隙水压力,砂柱变形几乎没有发生回弹或者恢复。根据试验前后颗粒分析曲线、双目镜照相及电镜扫描照片的对比,可以推断砂样在压缩过程中除产生颗粒滑移和位置调整外,部分颗粒被压碎或压裂,由此导致了砂样在地下水头升降过程中颗粒级配发生改变、渗透系数急剧降低以及砂样在不同应力下表现出的分段线性、粘滞性和部分不可恢复等非完全弹性性质。