RBFNN模型在渗透系数反演中的应用

›› 2003, Vol. 24 ›› Issue (6): 1025-1028.

RBFNN模型在渗透系数反演中的应用

刘先珊¹，佘成学¹，张立君²

1. 武汉大学水电学院，湖北武汉 430072，2. 漳河工程管理局，湖北荆门 448156

收稿日期:2003-08-17 出版日期:2003-12-10 发布日期:2014-08-19
作者简介:刘先珊，女，1978年生，博士研究生，从事水工结构工程数值模拟方面的研究。

Application of RBFNN model to inversion of percolation parameter

LIU Xian-shan¹, SHE Cheng-xue¹, ZHANG Li-jun²

1. School of Water Resources and Hydropower, Wuhan University, Wuhan 430072, China; 2. Zhanghe Administration Bureau, Jingmen 448156, China

Received:2003-08-17 Online:2003-12-10 Published:2014-08-19

摘要/Abstract

摘要： 针对经典的BP网络存在的一些缺陷，采用了径向基函数神经网络（RBFNN）。在相同的收敛条件下，用RBFNN和经典算法的BP网络进行了比较，表明前者具有优越性。在工程实例中，基于人工神经网络的非线性特点，在三维渗流有限元的基础上，利用RBFNN反演了大坝的渗透系数。并利用反演结果进行渗流场分析，水头预报值也有很高的精度，说明反演结果是正确的，从而，验证了RBFNN应用于反演分析中的可靠性。

关键词: RBFNN, 反演, 渗透系数

Abstract: Aimed at some limitation of the traditional BP neural network, the radial basic function neural network (RBFNN) is brought forward. On the same convergence condition, RBFNN is compared with the neural network based on the traditional algorithm and the excellence of the former is explained, As an example, on the basis of the nonlinear characteristic of ANN and 3-D seepage flow FEM computation , inversion results of the dam percolation parameter are obtained. The seepage flow field is analyzed by using the inversion results; the forecasted water heads approach to the observed values, which illuminates the result is accurate; RBFNN applied to the back analysis is reliable.

Key words: RBFNN, back analysis, percolation coefficient

中图分类号:

TV 223.6

刘先珊，佘成学，张立君 . RBFNN模型在渗透系数反演中的应用[J]. , 2003, 24(6): 1025-1028.

LIU Xian-shan , SHE Cheng-xue , ZHANG Li-jun . Application of RBFNN model to inversion of percolation parameter[J]. , 2003, 24(6): 1025-1028.

参考文献

相关文章 15

[1]	余良贵, 周建, 温晓贵, 徐杰, 罗凌晖, . 利用HCA研究黏土渗透系数的标准探索[J]. 岩土力学, 2019, 40(6): 2293-2302.
[2]	马春辉, 杨杰, 程琳, 李婷, 李雅琦, . 基于量子遗传算法与多输出混合核相关向量机的堆石坝材料参数自适应反演研究[J]. 岩土力学, 2019, 40(6): 2397-2406.
[3]	陶高梁, 吴小康, 甘世朝, 肖衡林, 马强, 罗晨晨, . 不同初始孔隙比下非饱和黏土渗透性试验研究及模型预测[J]. 岩土力学, 2019, 40(5): 1761-1770.
[4]	徐强, 肖明, 陈俊涛, 倪少虎, . 渗流监测数据缺失处理与渗透稳定判断[J]. 岩土力学, 2019, 40(4): 1526-1534.
[5]	张昭, 程靖轩, 刘奉银, 齐吉琳, 柴军瑞, 李会勇, . 基于土颗粒级配预测非饱和渗透系数函数的物理方法[J]. 岩土力学, 2019, 40(2): 549-560.
[6]	刘一飞, 郑东生, 杨兵, 祝兵, 孙明祥. 粒径及级配特性对土体渗透系数影响的细观模拟[J]. 岩土力学, 2019, 40(1): 403-412.
[7]	朱长歧, 崔翔, 胡明鉴, 王新志, 唐健健, . 钙质土电导率和渗透性的相关研究[J]. 岩土力学, 2018, 39(S2): 142-148.
[8]	马瑞男, 郭红仙, 程晓辉, 刘景儒, . 微生物拌和加固钙质砂渗透特性试验研究[J]. 岩土力学, 2018, 39(S2): 217-223.
[9]	许年春，吴同情，皮海洋，游磊，吴越,. 基于柔性承载板载荷试验的土抗剪强度参数反演研究[J]. , 2018, 39(S1): 227-234.
[10]	颜天佑，崔臻，张勇慧，张传健，盛谦，李建贺，. 跨活动断裂隧洞工程赋存区域地应力场分布特征研究[J]. , 2018, 39(S1): 378-386.
[11]	陈兴长，陈慧，游勇，柳金峰,. 泥石流拦砂坝底扬压力分布及影响因素试验[J]. , 2018, 39(9): 3229-3236.
[12]	张亭亭，王平，李江山，万勇，薛强，王士权, . 养护龄期和铅含量对磷酸镁水泥固化/稳定化铅污染土的固稳性能影响规律及微观机制[J]. , 2018, 39(6): 2115-2123.
[13]	宋云奇，武朝军，叶冠林,. 上海浅部黏土渗透系数及其各向异性[J]. , 2018, 39(6): 2139-2144.
[14]	王庆武，巨能攀，杜玲丽，黄健，胡勇,. 拉林铁路桑日至加查段三维地应力场反演分析[J]. , 2018, 39(4): 1450-1462.
[15]	刘飞跃，杨天鸿，张鹏海，周靖人，邓文学，侯宪港，赵永川, . 基于声发射的岩石破裂应力场动态反演[J]. , 2018, 39(4): 1517-1524.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	魏龙海，王明年，赵东平，吉艳雷. 翔安海底公路隧道陆域段变形控制措施研究[J]. , 2010, 31(2): 577 -581 .
[2]	陈运平，王思敬. 多级循环荷载下饱和岩石的弹塑性响应[J]. , 2010, 31(4): 1030 -1034 .
[3]	顾绍付，刘仰韶，刘仕顺. Asaoka法推算软基沉降偏差的修正方法探讨[J]. , 2010, 31(7): 2238 -2240 .
[4]	宋勇军，胡伟，王德胜，周军林. 基于修正剑桥模型的挤密桩挤土效应分析[J]. , 2011, 32(3): 811 -814 .
[5]	鲁涛，王孔伟，李建林. 库水压力作用下砂岩破坏形式的探究[J]. , 2011, 32(S1): 413 -0418 .
[6]	魏明尧，王恩元，刘晓斐，王超. 深部煤层卸压爆破防治冲击地压效果的数值模拟研究[J]. , 2011, 32(8): 2539 -2543 .
[7]	褚福永，朱俊高，贾华，安淑红. 粗粒土卸载－再加载力学特性试验研究[J]. , 2012, 33(4): 1061 -1066 .
[8]	黄茂松，李波 . 往复荷载下层状地基柔性筏板-群桩共同作用分析[J]. , 2012, 33(8): 2388 -2394 .
[9]	卢强，王占江，李进，郭志昀，门朝举. 球面波加载下黄土线黏弹性本构关系[J]. , 2012, 33(11): 3292 -3298 .
[10]	王苏，路德春，杜修力. 地下结构地震破坏静-动力耦合模拟研究[J]. , 2012, 33(11): 3483 -3488 .