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

8 |$ t* n% r. K7 P/ a2 W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
. k" g; ?& L$ Q/ M- g  \4 Z- R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（
! _' _5 a8 K" J! U5 e1 X+ A3 k9 UBP
( \* s* [' E! K% C* a: v）和径向基神经网络（
RBF
）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（
! d! o4 x* G0 }/ z, fRMSE
），平均绝对百分比误差（
MAPE
. W$ {% V! m9 K( {3 \4 t: b）和
8 h7 w3 ]% z# }3 g3 [% ^$ J  Q1 {8 n线性回归决定系数（
R
2 C, t- o4 q+ a! @8 L2
）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，
1 ]/ A! |, Y8 b1 T9 aRBF
- A( ]6 `9 f  w* [神经网络响应面的评估指标均优于
BP
神经网络响应面。利用
RBF
神经网络响应面和多种
  W; U+ j- P" z1 [9 ]; k) l/ O; f  L3 _群遗传算法（
1 n2 \* f3 U8 G  X. z) R5 X* XMPGA
- A8 R& S' i/ t! Q$ G* P1 E1 B+ k）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。