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

2 v# U* e) [9 g& \0 F1 B

' W, i# k$ Z5 J; v$ _
# h6 F. d; k# {) O- G3 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
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（
  Q  r% m  w4 F  N9 o% ZBP
% q0 Y4 k' b' j1 b）和径向基神经网络（
( k5 G) P2 e" Z. A& Q# n) H9 @# a) ]. cRBF
( v1 s- R8 l: \" R）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
）和
线性回归决定系数（
' c+ T: D; K0 [# v2 X* [5 NR
5 V: r, \, M  i' }8 z$ M% E; H2
' I  m9 {. ?. `4 Q, U; O' A6 b）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
BP
神经网络响应面。利用
0 @  G# A, i7 |7 ]/ IRBF
神经网络响应面和多种
. o, F  u! s! d3 t, V群遗传算法（
/ r1 q* J( `7 ~5 j9 _  {8 `$ \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。
; f1 m* |4 v8 ]/ |- u
& c) M. A7 @( }* s0 c