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

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（
2 j- R( R, H/ X! L  a2 d5 I2 hBP
）和径向基神经网络（
RBF
）构造出待反演参
. F" b  M) T7 |6 B2 {" W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（
" H4 A% \9 {% T; n; nRMSE
），平均绝对百分比误差（
MAPE
）和
线性回归决定系数（
  M3 R  I4 Z) U  K( m# x8 zR
# m- X6 a  [9 ~* @( |5 E& U. W) T# M2
$ C5 M( ]3 C1 `8 q）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
: T( T, q; Q9 v确率。结果表明，
7 ^- b2 {0 \( G% N2 c; \RBF
6 j& G+ U  x* e2 V4 Y9 I神经网络响应面的评估指标均优于
7 o; |  s) z# j; ]. ZBP
神经网络响应面。利用
4 l/ [" F1 I7 N. {0 H) d7 PRBF
神经网络响应面和多种
* x) l6 \+ g" t5 l2 B8 g群遗传算法（
MPGA
3 w- t0 b0 n" M8 [+ i+ p" G* j）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
4 T  z% L/ ]/ O9 P; Y' G" m和分布上与实测值有显著的一致性。


- t$ N8 M  X; o: y) I3 Z