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 M5 Y  z4 p+ M


2 n( P8 E9 j3 }  O  @8 d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（
2 f: X8 g' ~) U2 A3 QBP
）和径向基神经网络（
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（
, n+ X$ S1 n) \! U) R1 eRMSE
），平均绝对百分比误差（
MAPE
）和
5 i8 t: J5 n' F: l线性回归决定系数（
7 ?* K0 X7 h" X) Q+ `% jR
4 V* u2 q6 X+ a+ g0 E2
  T, u  d8 D# f）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
3 f8 a0 q" c+ P8 V* R确率。结果表明，
2 N& b! e+ |& L! H' CRBF
神经网络响应面的评估指标均优于
, Z+ }& U# j8 m; c$ cBP
神经网络响应面。利用
  `" N0 w/ z( O! s- r8 E% SRBF
4 A- l  O3 D+ j- @( l神经网络响应面和多种
9 N  ^. n1 _' r8 P) I- w+ M5 \, k群遗传算法（
+ k, D% c# b! J. r0 f- P4 h( RMPGA
/ \% ^4 `# X5 V+ Q7 E, C# C5 b6 B）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。


2 @2 K8 d& r% m4 S' c