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

% b( v0 W5 G: _2 R

; F8 T9 `3 I8 L7 d# Q3 w
1 J2 N! z6 n: _- o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
! K! y; B. A1 \0 R. l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
- t8 z$ f$ ~6 H8 G）和径向基神经网络（
RBF
）构造出待反演参
% F  K8 N" g. i4 W; d( u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（
; R1 Z$ V4 a; O- D6 PRMSE
! [) N1 g: }$ z），平均绝对百分比误差（
3 E/ C% m6 c* ^* ~MAPE
）和
线性回归决定系数（
3 h2 @3 }1 f+ w4 l1 qR
2
( v/ G3 K  z% R2 b& v- u  i' s# U）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，
7 t* s; q. e& {2 U& D3 C" rRBF
神经网络响应面的评估指标均优于
1 r- }, E7 e& XBP
神经网络响应面。利用
$ M# G" c  [; `- n$ X$ q) BRBF
神经网络响应面和多种
, @2 s$ ~2 n2 r* @群遗传算法（
MPGA
6 {; N; {1 q3 H2 x）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。
: O. t" Y5 q7 Z" D1 i6 ]$ z- v
( K' a, C9 b$ [& f
0 h# }1 ~+ \' W0 w8 i/ N