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

2 v4 Y  b" N  S$ d. T1 N

& \+ T! ~/ M2 K
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
& p7 J1 I" M9 B7 m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（
BP
）和径向基神经网络（
4 D! ]0 N  |5 FRBF
" |3 a+ A' ^0 n1 A( j6 I）构造出待反演参
9 {& m9 g; [- _$ ?' q, U# A8 o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（
7 b- G7 G! ]+ f' t" _RMSE
; r& ~! s  z" T. s: H3 k5 Q），平均绝对百分比误差（
MAPE
）和
线性回归决定系数（
( S5 T; e" F* D: u; iR
, o, [/ b9 x: n0 a* R2 y% Y2
0 E3 M: G- c8 p) `5 ^）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，
# {! |/ S& N. \' U; {& m( t  ~* NRBF
0 k- @- m9 \3 w: b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
RBF
神经网络响应面和多种
+ u* w7 r8 M" Y, o5 c( A群遗传算法（
: W2 z, i( t, B( N  U! EMPGA
2 b/ E$ p! r3 ~8 V' h8 r: s5 e9 @）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
和分布上与实测值有显著的一致性。


& J+ E: d9 p) ]* b& z