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

% G1 U7 X6 K/ Y; }
; _$ i; ?7 Y6 I: E0 {3 O
& \6 O9 Y. @+ K: s- h
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（
* [" ~9 m+ a/ m& \7 v! tBP
）和径向基神经网络（
( H) S0 r$ d; }" e: FRBF
）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（
- S- h2 ?, K7 G9 vRMSE
），平均绝对百分比误差（
) r7 B0 z( K2 kMAPE
）和
线性回归决定系数（
! I7 F: Y! p6 J1 rR
) c# x0 p0 }; Z* k9 {  b" y/ h2
1 `) f1 L2 o8 R9 }4 F. N）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
RBF
神经网络响应面和多种
' m0 X# [: y& ~0 O1 v% z' u群遗传算法（
7 b& I  D  f: b% f2 i; C- WMPGA
）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. g2 G- X% J( n
& v' ?: S. `# A! w" G8 c6 c# l