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

  h1 N2 c0 d; c! i, s* r
  h4 e2 l4 x# [1 Y$ c% i
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（
' d  c% u" o, v9 L; `8 GBP
）和径向基神经网络（
RBF
）构造出待反演参
8 x: h$ _# Z0 q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
: T* ?+ Y- D8 ~2 O），平均绝对百分比误差（
- v0 W8 [, N, C$ M/ U$ b6 GMAPE
）和
# A" G9 ]2 [# V' A3 H. R  Y5 }) Z; n线性回归决定系数（
R
$ A4 K; `  E5 }$ ^& W9 ?2
) K( i6 q+ `4 U）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
确率。结果表明，
RBF
神经网络响应面的评估指标均优于
BP
0 w- S7 u8 k3 S- Z3 H0 H神经网络响应面。利用
8 N2 x' m- L3 O. V: ZRBF
/ }/ M6 q8 A0 Q5 B, w) N神经网络响应面和多种
. z8 c8 K1 A3 N, P; w8 B群遗传算法（
MPGA
）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
: o/ F  x, Z. t" V- q1 x和分布上与实测值有显著的一致性。


2 W( J8 D- y5 W& B2 s3 |