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

- F% I; T  ~- Y0 H0 i! T
6 l* Q( M& N: K3 h+ a: ~
* {% E: g- Y1 z; v, _2 s, A2 J
5 h$ g- p+ {( K  z+ l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（
RBF
$ P8 J$ {6 f0 m! |+ E）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
8 F( H& h5 m- X6 Z/ L! I- u4 I），平均绝对百分比误差（
MAPE
）和
# L2 a4 D8 ~( U线性回归决定系数（
6 y' E- P" f9 V" c" N7 h1 FR
7 k- T- _, \0 J! k2
( P. Y3 K, |. ?1 l& R）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，
3 W6 G. r( v8 r: {+ K1 B' i* T! x& PRBF
7 O' g0 _6 |# f0 c' z神经网络响应面的评估指标均优于
2 R: v9 b6 N; L/ E( @. {% |3 y  ?BP
1 S0 }$ g' Y+ l& l神经网络响应面。利用
3 F/ F2 [; o, [RBF
神经网络响应面和多种
$ H& n  G6 G: [6 H群遗传算法（
MPGA
# G& M! k3 d- H）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。

8 n' `. F. A- }; \$ Z; F/ n
! h% t1 E6 q" S1 z/ w$ n