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

% q& c" }! |& n5 S; @+ l' s


7 X$ r- P; a  z8 Q0 U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
% B; U% }( X  L; `5 _$ 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
' l3 x- E9 \5 B2 T）和径向基神经网络（
RBF
& q7 Y, m; J; K, D）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（
% _7 ^5 I' b& e# f* }RMSE
  ~, H( q6 d7 X3 I3 y7 {），平均绝对百分比误差（
6 b$ J( \' c: b% f$ \+ KMAPE
. v: e9 B1 w" M, G1 {. w* y4 _）和
线性回归决定系数（
; l; V6 ]5 p- F2 OR
2
) W) M2 V1 ?6 w3 p; Z）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
5 q% n$ t* @9 X( @) Q  U确率。结果表明，
7 @* R1 ?  G4 M; a: gRBF
4 `9 V# Y6 y" S/ b3 `神经网络响应面的评估指标均优于
BP
' ^" Q. H7 F3 L- O/ u神经网络响应面。利用
RBF
神经网络响应面和多种
# d) |- z" }- y0 g; k# z8 N群遗传算法（
MPGA
( K9 x+ P* y, B）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。


& i! i" Q1 l' r% z+ b% I