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

( p8 s2 H$ @2 h0 [- k3 h4 u


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
" D7 }9 \9 T3 ^' A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（
5 |* f& z1 Y7 o# eBP
8 X, F0 {  i: {& @）和径向基神经网络（
RBF
）构造出待反演参
4 P. F! Z+ C9 o- q# x2 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（
RMSE
( _' u+ w3 P' r3 z），平均绝对百分比误差（
0 x1 s( o9 W6 K) x6 V  V+ rMAPE
）和
线性回归决定系数（
/ [6 K  h: ~" UR
  T- w/ L9 [* P, Z3 o2
% J/ f9 t9 E+ u! D$ p）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
2 X2 _3 w* g' k! i确率。结果表明，
% [3 m7 r; p- M' f5 S( yRBF
神经网络响应面的评估指标均优于
, {. ^; q  T: ]& f0 oBP
神经网络响应面。利用
, v2 Q( n7 w, A/ D: Q; }# ?2 PRBF
/ Z) S& C" Y/ O/ e8 K7 q! y( t神经网络响应面和多种
5 Y- U5 \# ~' @群遗传算法（
2 L! W+ d1 ]8 ^# t. FMPGA
7 v$ d' P4 u8 C' O- f* {# 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
- {% n4 p" J$ x& _3 f和分布上与实测值有显著的一致性。

# L* n: j, f" {; b8 i4 G3 A7 c! M; p+ c