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

  Z' G! ]$ u; x. {+ Q5 p4 v
# g0 Z5 D, V2 _5 ?6 h7 D1 ]
' U% N. A: ^" f+ ^; k1 B
3 F3 d. c& U& r' ~& @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（
6 h6 \# G$ S- r$ WBP
）和径向基神经网络（
# d& W6 b5 n+ G- F0 F" l: `2 QRBF
）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（
2 t1 i- ~5 O* g! U- j- r8 ZRMSE
），平均绝对百分比误差（
) l' u" W, Q" SMAPE
）和
& B2 U& `& p( a* t线性回归决定系数（
R
' C+ M' \: ]% z4 N+ {2
* Q2 o/ ~4 e& v& Y* f: B9 l( w）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，
, \( F" k9 a& E1 s; Z# |- URBF
神经网络响应面的评估指标均优于
6 a, {3 @. M9 U' pBP
7 J; z6 m# a3 ~, Y0 C* h7 e5 z& U( n神经网络响应面。利用
! K3 F1 s8 T1 M* i& O  y7 F7 oRBF
神经网络响应面和多种
群遗传算法（
! N8 d& _' s: i  i( |# TMPGA
2 k! E( N/ t/ H% a0 ]# L; V7 f）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
9 D  G6 L  \7 d0 U7 o和分布上与实测值有显著的一致性。


. ~5 w: W6 S# n4 `2 Y  m* o