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

, O3 n+ Q2 n3 o
% W3 w5 a  t* E6 u9 B+ f" p5 g

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
5 T, K$ N7 g/ L) F1 u, h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（
  X$ A5 v1 G$ M/ l0 w, O, f  D' JBP
3 p+ r2 ]- g; m# ^0 v1 u）和径向基神经网络（
RBF
）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
），平均绝对百分比误差（
( ]  j% d7 y. U  L3 o  N9 p  q8 C# zMAPE
3 m# Z  \6 g0 _3 A0 }）和
线性回归决定系数（
R
$ Q" k( \2 m- d/ D2 g- u, v2
% M$ T* W$ [2 @- A+ `% h）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，
& K  T) q. A% B# i; x/ K% }RBF
5 Z$ {' r- C9 [" }$ d4 W神经网络响应面的评估指标均优于
* j+ M- [( C9 q  r( rBP
神经网络响应面。利用
RBF
9 t) c. T- `0 D8 }  y+ C7 K" n神经网络响应面和多种
群遗传算法（
% L$ C2 ~( L5 p+ j! M) KMPGA
）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
/ f' z8 g: _! @, F! r' H和分布上与实测值有显著的一致性。
$ w2 l  O# S, R5 h