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

' N* Y, l0 [3 Y  R
5 Z/ n. Z7 P& b& U5 @7 ?3 ]9 `

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
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（
8 K" f& O/ q- X1 W* T9 J( x/ @BP
9 ?* b( y- ]/ o. U& `+ R" x）和径向基神经网络（
5 w+ S' ~+ x' T; r0 o, tRBF
）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（
$ w2 F2 \: F3 T9 O  r  d8 h. R& t# ?RMSE
），平均绝对百分比误差（
MAPE
9 ^2 f, e5 h% b. E）和
线性回归决定系数（
R
: J6 t% u7 \/ K. O% @! l2
$ ?0 ?' z& X" X4 A）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
8 n2 V/ m) L3 W2 i确率。结果表明，
, p1 p& U  M/ k& c- ]1 e$ {# aRBF
; F$ d+ M, S- @2 ~9 r" ]% Q+ u神经网络响应面的评估指标均优于
BP
. k2 n9 s& d; F' J) s. u神经网络响应面。利用
4 I3 m8 E( A2 v% b! rRBF
: H: g# f: R5 x! X神经网络响应面和多种
群遗传算法（
  X$ }; r4 e- Y5 m3 EMPGA
" h4 b& \* l) b/ w' ~; L3 s# k）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
+ C+ D& `: n" A7 t+ T' z和分布上与实测值有显著的一致性。