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

$ |, n0 I$ B- C/ f  s$ n5 f

4 q( O2 E' p1 A! ~7 ]% c1 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（
BP
）和径向基神经网络（
: \( j1 n$ b1 H0 fRBF
）构造出待反演参
" m% Y0 U  B. C! o" y+ B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
% a: P/ g2 T7 d; c+ Q）和
  }0 e  e; G7 }% R% z0 t' L线性回归决定系数（
R
1 W0 \; m9 E# h% O1 J) [  A5 Y2
）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
: V9 F0 U. z6 B确率。结果表明，
RBF
0 Q: P3 N& f9 B0 ^0 }( @! d( ^/ J0 f神经网络响应面的评估指标均优于
9 z- w. \1 w6 ]+ {7 IBP
神经网络响应面。利用
RBF
神经网络响应面和多种
: n. X' R: L; {  ]! A. g3 S群遗传算法（
6 k! f( \* {% {MPGA
3 q7 J- A2 V2 p2 _）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。
/ G) E4 D8 R% O" `* l) `
; z! }% m% S  j, ]+ y
' K! X- n. `6 \& ?- Q