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

! x6 N* B% H& \% j- {
2 q& p6 _; ~! Y

" _; C, z2 \8 M% S$ ~' L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（
' Q$ f/ d, a% Q2 r4 y( D% EBP
）和径向基神经网络（
RBF
$ m5 z. b, U, y" V) f）构造出待反演参
& B/ C5 B3 V6 k0 j6 f; |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（
. d/ x" _4 V6 ^* g- v  W, D# Y2 U* hRMSE
6 W. @9 C2 u/ l2 \5 U% d6 z），平均绝对百分比误差（
; b& y7 }# `% r" uMAPE
）和
线性回归决定系数（
2 D4 G4 b. x1 @, F% |/ ]R
9 }; h) @" b1 y/ m' o2
+ ^. t: i; j0 N1 Q. g3 E& A）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
" R8 T5 N; _/ z% m, k$ k& H确率。结果表明，
RBF
8 _5 r$ b) s5 z' I* y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
; j; y( y+ n4 K; E4 C群遗传算法（
MPGA
( l) h8 N! v) c  f/ K8 ^5 U: r; v+ T）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。

1 Z2 @5 f) W4 J: @% X' B" T
/ |( M( p$ G" s4 g" A2 [