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

. K- j! \0 c4 r  _. m$ t9 \
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
0 a* b- M8 g# h/ q1 h+ i/ B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（
3 _* h8 o' W8 c2 g% i' I& y' BBP
+ c: [7 \! \! @) f/ x' C& h+ |0 Z( Y）和径向基神经网络（
RBF
）构造出待反演参
4 D: W' u8 W: e' |: R2 Z8 }5 w- W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（
! e6 |/ P  W, mRMSE
  U( o  M  H% @3 \6 e），平均绝对百分比误差（
MAPE
$ o$ ?. s7 b6 I9 H1 F% Y+ i3 B）和
7 n# i% y- H( E线性回归决定系数（
R
7 Z) d% J, N$ T' `# s2
）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
! K7 C0 Y; Z# W' U* N确率。结果表明，
4 Y  |4 [2 U) _5 ?1 Z. n1 K6 `RBF
3 x9 s! I' z6 B2 {- _2 |8 q神经网络响应面的评估指标均优于
' r; F/ a; K3 \- t% P* A, HBP
神经网络响应面。利用
, M* B4 q6 X4 ORBF
+ Z  e: S8 w5 M) o+ R5 Y  B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
和分布上与实测值有显著的一致性。

; ]9 ^9 ?. {, O$ ]$ `7 ~