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

( }! y9 ~. }/ N$ a3 @9 |3 \


& i3 x8 _  U) _: y; C9 G* `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
6 l/ p. u! k1 O8 Q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（
* b2 V1 i# n' u: e$ m& e0 D1 RBP
3 q' F: e& o: _）和径向基神经网络（
RBF
8 x7 w7 o. i2 O+ A) u! ^( x, i/ _）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
），平均绝对百分比误差（
MAPE
( v* o; y! W; |）和
线性回归决定系数（
; M6 i7 g) F$ e+ ?; g/ @/ y1 Q3 S7 XR
2
, v) w& B9 ~4 s）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
7 c: g& Z* n) [% z- ]确率。结果表明，
RBF
! m7 G* M# }  K" Z神经网络响应面的评估指标均优于
: a$ H( m! ]. o+ qBP
神经网络响应面。利用
0 [* o1 V1 G) \0 A" x+ GRBF
神经网络响应面和多种
群遗传算法（
MPGA
$ C! [+ \% {2 B" s4 g! x( y）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。
5 B+ r1 T, p! }6 B' m$ O/ L
! \+ M2 x8 P( p- K+ M( x2 {! U6 z, s