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

) s5 y) t0 ~3 ~+ ^  @2 d
3 ~# c, L( i# b3 v9 g3 s

7 L5 f1 x6 _8 q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
* f5 x% v/ D2 z' m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
/ C2 X* }" I5 p2 a）和径向基神经网络（
5 T* C% t; W& {( }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（
RMSE
  Z( _$ d& l9 j, }& j1 `），平均绝对百分比误差（
3 Q1 @3 z1 \/ R0 r9 {MAPE
( g& l) D$ W. P! j）和
. `- P+ v6 u+ e6 ^4 u6 F; ~线性回归决定系数（
R
, h  f- `0 R0 j  m( \2
: J, k9 s' H0 O; T" 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
! Z; @* i. j$ c" s7 q. f! A; i确率。结果表明，
! |7 `& r6 {/ T2 P! s( ZRBF
神经网络响应面的评估指标均优于
' w5 R; {- W( O9 d5 P, R3 TBP
神经网络响应面。利用
+ R8 J& H) B. s1 P, j" ^RBF
神经网络响应面和多种
4 I/ m9 T; G7 h2 k% e, a7 @群遗传算法（
MPGA
* H' k; s  e! B5 f) G）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
; i8 W% }# R0 h; y' {和分布上与实测值有显著的一致性。
. l) k6 o* @& D# i1 A6 j
1 t" \- n& [& c& L) r1 I