数学建模社区-数学中国
标题:
神经网络响应面在堆石坝流变反演中的应用
[打印本页]
作者:
杨利霞
时间:
2020-11-5 15:51
标题:
神经网络响应面在堆石坝流变反演中的应用
神经网络响应面在堆石坝流变反演中的应用
8 D8 K; V& ^; S# h$ N4 G; y
" R9 Z$ u, d, b8 {; t; s5 B
; m, V/ A4 l" @' h4 Y
# K5 h" u6 {6 o
堆石体的流变参数对高面板堆石坝的长期安全性分析具有重要意义。参数反演可以准确获得符合坝体实
, n, S% ]4 s0 R' z0 M( ~6 O
际长期变形规律的流变参数。本文分别采用反向传播神经网络（
+ f# O8 a$ B$ M+ H5 ]2 }
BP
4 ~# T# W- _* G/ m
）和径向基神经网络（
" S6 L) j l0 \
RBF
. k8 g/ b! J. t8 U7 V. v O: \" `
）构造出待反演参
$ b9 K5 e& t2 r* _
数与位移值之间的响应，引入统计学回归预测模型中的均方根误差（
8 L) t. z/ H4 A2 S2 p& d
RMSE
. M1 |& n8 w ?6 U" Z* E D% ^- x
），平均绝对百分比误差（
$ i& ]- g r+ y+ ~; |/ P/ |: v, e
MAPE
, W8 n2 X/ F7 N, W6 v
）和
7 s+ {) C* L, Y8 b$ K
线性回归决定系数（
/ G1 \6 x: z" t- T5 D' j0 B6 Y5 G; p
R
4 p* i. B& l3 j% W5 Z( T& h
2
% S# ?; m% v- ~7 x+ ~7 S, C
）等指标来全面评估不同神经网络响应面映射能力的优劣，从而提高参数反演的效率和准
5 _6 C3 `$ v2 @
确率。结果表明，
u( X3 a7 ^( A9 ^% }2 y
RBF
8 x1 P( f a& Y( a; n
神经网络响应面的评估指标均优于
+ N, Y8 W) W0 e, g7 L
BP
7 n. r s3 D' R
神经网络响应面。利用
8 x5 I( O, C& g; }& n
RBF
7 x, w) q# R/ W, L1 l. M
神经网络响应面和多种
% K% A5 \+ J9 Q( o8 O
群遗传算法（
! O5 X: u+ `. i! F. J# G& r5 k: `- e
MPGA
8 d; O# Y3 ]1 v$ I
）优化理论得到反演后的流变参数并将其用于有限元计算，得到的蓄集峡坝体沉降值在大小
; `# Y2 s" f6 c7 a4 B3 q( t
和分布上与实测值有显著的一致性。
; P3 b! d* ]/ U' k0 L: j
, Z8 |) v# g* s5 E2 @" ] S1 d& `; U
3 a5 S% w, L! C4 h; s
神经网络响应面在堆石坝流变反演中的应用_周新杰.caj
2020-11-5 15:51 上传
点击文件名下载附件
下载积分: 体力 -2 点
789.49 KB, 下载次数: 1, 下载积分: 体力 -2 点
欢迎光临 数学建模社区-数学中国 (http://www.madio.net/)
Powered by Discuz! X2.5
