神经网络响应面在堆石坝流变反演中的应用

杨利霞

神经网络响应面在堆石坝流变反演中的应用

- e6 l, e' a! s5 H! z' M


8 Z& M1 C- y3 H: W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
  ]$ ?+ e7 k3 f' [% M7 n3 `4 Q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（
" G0 k- O2 @; |, lBP
）和径向基神经网络（
; ~) D: k! g0 BRBF
）构造出待反演参
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（
RMSE
8 d' a9 p. ]0 q# G），平均绝对百分比误差（
8 Z3 n- H8 j: D5 l) GMAPE
/ G+ k1 A( s  C7 @3 q）和
" {5 b  w( m: i( j8 @" ~线性回归决定系数（
6 X& J$ [, \' vR
2
5 j( z0 @+ {& ^1 a! B）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
' R& s- W7 K8 ^; \& V确率。结果表明，
8 J" B1 w- z. pRBF
+ }7 U2 Z8 c3 t. X5 d- o神经网络响应面的评估指标均优于
BP
神经网络响应面。利用
. X! }/ f+ Z' Y& z5 j; RRBF
神经网络响应面和多种
群遗传算法（
MPGA
8 U/ f! X& N( b9 y）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
: v- ~3 D9 u  t# S和分布上与实测值有显著的一致性。
% _: e; j/ h8 s, l; N2 M
. Q6 y9 `6 M+ f8 k7 f2 p3 `+ t