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

5 K+ }) G; M, B
2 Q: g" A8 U: N& A' g
5 C( D8 b! A7 P/ u" K. I/ f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（
BP
）和径向基神经网络（
: `& R0 g( A$ g7 S, a% CRBF
/ h6 F: I, g5 E( u）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
1 b' K2 R/ L' O6 B），平均绝对百分比误差（
/ f* A! b+ s0 s- ]& v& T2 U7 i4 {( FMAPE
1 k5 u3 @; Q6 y/ Z6 L）和
线性回归决定系数（
R
2
）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
: Z/ t% w) U' M6 B7 G+ J; u7 Q5 I确率。结果表明，
RBF
1 y* e& ^: b, P- O% c: X. l7 j神经网络响应面的评估指标均优于
BP
5 h  e. P2 W" ?4 ?" E% R. O神经网络响应面。利用
% v; e$ b4 V+ [1 s0 r8 X4 V! XRBF
神经网络响应面和多种
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
+ e$ Y- A3 D; p. F* _: n8 l( ?8 Q; k和分布上与实测值有显著的一致性。

, O0 U! b1 o* ~6 M2 `. x