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

' E$ h* b, B1 }' ^6 f
; A& T; d4 G  Z! Z0 r

! s+ ^1 Y" s1 V. @; s2 o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
, v' _& `% U4 k）和径向基神经网络（
3 `6 z7 G" R2 Q! d8 Z- J8 t3 |4 TRBF
7 _) N* X  {2 c( }$ z& b' s）构造出待反演参
; ]+ |+ W1 i" K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
），平均绝对百分比误差（
+ u- f& u6 J7 \MAPE
, ?4 V7 S( S4 ^  i( f）和
线性回归决定系数（
# V9 x* ?7 v3 n" Q8 J6 s0 w4 OR
2
# D# s4 w2 E% h3 R+ ~( i）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，
RBF
1 G) ~8 `/ I3 w6 }! W" ]& m神经网络响应面的评估指标均优于
% v$ M" M. T. LBP
神经网络响应面。利用
$ ]8 E8 ]+ k8 r: U2 TRBF
* o$ q7 P1 k6 }7 n* i( `( V, Z* D神经网络响应面和多种
" l$ r. K4 W1 S# ?$ a6 @# m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
, G9 A" v0 T3 N; N; T7 @和分布上与实测值有显著的一致性。

7 Q+ ]- d$ ~( B& g6 m# G3 U
* P1 ?. l0 z6 G; O