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

5 ]1 p; [. {$ i  y6 q1 ^- ~' m
+ z2 C" E" w) c! Z' z/ p
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 v1 |, |* q4 t, |2 W8 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（
BP
）和径向基神经网络（
8 E: R4 Q3 V+ F8 ~* R* @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（
RMSE
），平均绝对百分比误差（
MAPE
9 B  F" s$ b& z, X  h）和
线性回归决定系数（
R
2
. ^  h  A6 H3 `+ J8 _+ [& 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
确率。结果表明，
RBF
神经网络响应面的评估指标均优于
# D6 R# G6 F8 h  p/ d! c1 YBP
- T4 G6 Q8 o' x8 n) {1 e& g/ a神经网络响应面。利用
RBF
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
0 P9 Y7 U# T# V" p和分布上与实测值有显著的一致性。
3 I4 ?$ B2 f) u2 S1 e3 T; s' c3 c
9 }. H7 l7 z" O9 j1 j% S" ~# q