基于神经网络和演化算法的土石坝位移反演分析

›› 2005, Vol. 26 ›› Issue (4): 547-552.

基于神经网络和演化算法的土石坝位移反演分析

张丙印，袁会娜，李全明

清华大学水利水电工程系，北京 100084

收稿日期:2003-12-31 出版日期:2005-04-09 发布日期:2013-12-19
作者简介:张丙印，男，1963年生，博士，教授，中国土木工程学会土力学及岩土工程分会理事、中国岩石力学专业委员会环境岩土工程专业委员会委员，主要从事岩土材料本构关系、土石坝应力变形分析及环境岩土等方面的研究。

Displacement back analysis of embankment dam based on neural network and evolutionary algorithm

ZHANG Bing-yin, YUAN Hui-na，LI Quan-ming

Department of Hydraulic Engineering, Tsinghua University, Beijing 100084, China

Received:2003-12-31 Online:2005-04-09 Published:2013-12-19

摘要/Abstract

摘要： 构造了基于综合应用人工神经网络和演化算法的位移反演分析方法。该法使用具有较强非线性映射能力的神经网络模型代替有限元计算，提高了计算效率。采用演化算法和Vogl快速算法，同时优化神经网络的结构和权值，增加其适应性并加快训练速度；使用多种群演化等策略，改善演化算法的全局收敛性和收敛速度。以三峡茅坪溪防护土石坝的变形反演分析为例，研究了神经网络演化代数以及训练样本数量对神经网络模拟能力的影响，证明了所建立的反演分析方法的有效性。

关键词: 人工神经网络, 演化算法, 演化策略, 位移反演分析

Abstract: A new approach of displacement back analysis is proposed by combining the neural network and evolutionary algorithm. The neural network with optimal architecture trained by evolutionary algorithm and Vogl algorithm is used to substitute the time-consuming finite element analysis. The convergence of search is improved and speeded up by evolution strategies such as multi-population. The proposed approach is verified by applying it to the displacement back analysis of Maopingxi embankment dam in Three Gorges Project: and the influence of generation number and sample size on the simulation ability of neural network is studied.

Key words: artificial neural network, evolutionary algorithm, evolution strategies, displacement back analysis

中图分类号:

TB 115

张丙印，袁会娜，李全明. 基于神经网络和演化算法的土石坝位移反演分析[J]. , 2005, 26(4): 547-552.

ZHANG Bing-yin, YUAN Hui-na，LI Quan-ming. Displacement back analysis of embankment dam based on neural network and evolutionary algorithm[J]. , 2005, 26(4): 547-552.

参考文献

相关文章 15

[1]	张社荣，胡安奎，王超，彭振辉, . 基于SLR-ANN的地应力场三维智能反演方法研究[J]. , 2017, 38(9): 2737-2745.
[2]	史永强，赵俭斌，杨军. 基于主成分分析的优化神经网络模型及静压管桩单桩极限承载力预测[J]. , 2011, 32(S2): 634-640.
[3]	汪学清，单仁亮. 人工神经网络在爆破块度预测中的应用研究[J]. , 2008, 29(S1): 529-532.
[4]	曹文贵，卢山，胡坚丽 . 基于自适应退火算法的非线性位移反分析方法研究[J]. , 2008, 29(7): 1753-1758.
[5]	吕爱钟，莫晓明 . 智能预测在三峡永久船闸中隔墩时效变形分析中的应用[J]. , 2007, 28(5): 1066-1068.
[6]	易达，刘洁荣，葛修润 . 三轴压缩围压与峰值应力、应变关系的改进粒子群神经网络研究[J]. , 2007, 28(12): 2639-2642.
[7]	林育梁，卢丹玫，杨二静,. 灰关联神经网络法及防洪堤边坡稳定性分析[J]. , 2006, 27(S2): 384-388.
[8]	闫滨，周晶，. 基于遗传神经网络的渗流实时预报方法研究[J]. , 2006, 27(S1): 147-150.
[9]	汤皓，陈国兴，李方明. 基于ANN和GIS耦合模型的场地地震液化势评价系统研究[J]. , 2006, 27(S1): 1007-1012.
[10]	李文秀，杨少冲，陈二忠，乔金丽，戴兰芳，. 高陡山区开采自然坡失稳分析的神经网络方法[J]. , 2006, 27(9): 1563-1566.
[11]	张志军，熊正为，丁德馨，毕忠伟 . 圆弧破坏边坡反演设计的ANN方法与ANFIS方法的比较研究[J]. , 2006, 27(1): 159-162.
[12]	刘红军，薛新华. 砂土地震液化预测的人工神经网络模型[J]. , 2004, 25(12): 1942-1946.
[13]	尹光志，代高飞，闫河，魏作安 . 冲击地压预测的遗传神经网络方法[J]. , 2003, 24(6): 1016-1020.
[14]	李守巨, 刘迎曦, 刘玉静， . 基于进化神经网络混凝土大坝变形预测[J]. , 2003, 24(4): 634-638.
[15]	蒋中明，徐卫亚,. 三维初始地应力场反分析的径向基函数法[J]. , 2002, 23(6): 737-741.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	孙勇. 滑坡面下双排抗滑结构的计算方法研究[J]. , 2009, 30(10): 2971 -2977 .
[2]	李鸿博，郭小红. 公路连拱隧道土压力荷载的计算方法研究[J]. , 2009, 30(11): 3429 -3434 .
[3]	瞿万波，刘新荣，傅晏，秦晓英. 洞桩法大断面群洞交叉隧道初衬数值模拟[J]. , 2009, 30(9): 2799 -2804 .
[4]	王川婴，胡培良，孙卫春. 基于钻孔摄像技术的岩体完整性评价方法[J]. , 2010, 31(4): 1326 -1330 .
[5]	郭保华. 单孔岩样水压致裂的数值分析[J]. , 2010, 31(6): 1965 -1970 .
[6]	谈云志，孔令伟，郭爱国，万智. 压实红黏土水分传输的毛细效应与数值模拟[J]. , 2010, 31(7): 2289 -2294 .
[7]	王生新，陆勇翔，尹亚雄，郭定一. 碎石土湿陷性试验研究[J]. , 2010, 31(8): 2373 -2377 .
[8]	王云岗，熊凯，凌道盛. 基于平动加转动运动场的边坡稳定上限分析[J]. , 2010, 31(8): 2619 -2624 .
[9]	徐志军，郑俊杰，张军，马强. 聚类分析和因子分析在黄土湿陷性评价中的应用[J]. , 2010, 31(S2): 407 -411 .
[10]	邓宗伟，冷伍明，李志勇，岳志平. 喷混凝土边坡温度场与应力场耦合的有限元时效分析[J]. , 2009, 30(4): 1153 -1158 .