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

  R1 _+ X$ u) C  y5 \7 ?" }; q

' q# F/ G" y- M* m+ e& }3 q: _! y
% |; G/ O, D0 g. n9 O4 |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（
# ]# U% e4 x7 @2 a+ ~( S) fBP
）和径向基神经网络（
* k# u1 v# f4 l1 KRBF
）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（
& g+ ^1 _% N$ l% h4 ORMSE
），平均绝对百分比误差（
. |9 O' O3 M" nMAPE
' P9 J# V' V: _6 R* f  W+ g+ L7 t4 F）和
线性回归决定系数（
# L& _0 ^0 e/ H% B. J0 E* kR
2
  z" X% K9 M6 c3 [& o）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
, G$ _: Q* s( K确率。结果表明，
RBF
神经网络响应面的评估指标均优于
& }& E1 p/ ^* ^; }6 O6 SBP
9 `" T+ r1 k8 r! L& i. Q4 t3 P神经网络响应面。利用
RBF
1 d$ u$ ^/ C2 ?, m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。