基于思维进化算法优化BP神经网络的渗透参数反演研究

发布时间：2021-04-15 20:45

　　针对传统BP神经网络反演渗透参数的准确性很大程度依赖于初始权值和阈值的选择的问题,引入全局寻优能力极强、待调参数较少、收敛速度快的思维进化算法优化BP神经网络,以弥补传统BP神经网络在解决该问题时拟合能力有限、容易陷入局部最优、收敛速度慢的缺陷,进而提出了思维进化算法优化BP神经网络反演渗透参数的新方法。对某混凝土面板堆石坝进行渗透参数反演结果表明,与传统BP神经网络相比,思维进化算法优化BP神经网络具有更好的泛化能力,反演得到的渗压测点水头与实际值吻合更好,渗透参数符合实际。 

【文章来源】：水电能源科学. 2020,38(02)北大核心

【文章页数】：5 页

【部分图文】：

思维进化算法（MEA）结构图

某水电站工程采用混合开发方式，拦河大坝为混凝土面板堆石坝，最大坝高171m，坝顶宽11m，坝顶长355m。水库正常蓄水位2 850.00m，死水位2 800.00m，校核洪水位2 852.20m。坝体材料自上游至下游依次为弃渣压重区、粘土铺盖区、垫层区、过渡区、上游堆石区、下游堆石区、排水堆石区、大块石护坡、下游压重区。坝址区无强透水岩体，深度0～50m以中等透水为主，50m以下以弱—微透水为主。纵0+163.00坝体典型剖面见图2。3.2 有限元模型构建和参数确定

由于水库水位不断变化，严格意义上不存在真正的稳定渗流场，因此本文仅考虑准稳定渗流场。本工程测压管水头监测数据滞后库水位不超过15d，为了尽可能消除渗流滞后效应对渗压计观测值的影响，选取水库上下游水位变幅小、持续时间至少超过15d的时段作为反演分析工况。由该水库水位过程线可知，2015年2月21日～2015年3月13日库水位一直在2 806.47～2 807.95m之间变动，变幅小，较为稳定，因此选择这一时段的水力条件和观测数据进行准稳定渗流场反演分析，即反演工况，并确定库水位2 807.09m作为上游水位，下游水位为2 702.00m，取2015年3月13日前后各渗压计测值作为反演工况的已知水位（即反演分析约束条件）。各渗压测点（PDB-11～PDB-21）位置见图2。本次渗透系数反演分析的介质包括坝体上游堆石料和下游堆石料、防渗帷幕、坝基各分层岩体等7种材料，各介质渗透系数取值范围见表1。

【参考文献】：
期刊论文
[1]基于BP神经网络的水体叶绿素a浓度预测模型优化研究[J]. 蒋定国,全秀峰,李飞,刘伟.  南水北调与水利科技. 2019(02)
[2]基于MEA-BP神经网络的图像复原方法[J]. 莫思雨,周晴.  电子设计工程. 2018(21)
[3]MEA-BP预测模型在水布垭面板堆石坝沉降变形预测中的应用[J]. 徐朗,蔡德所.  人民珠江. 2018(02)
[4]双江口水电站复杂坝基初始渗流场反分析[J]. 毛新莹,潘少华,白正雄.  岩土力学. 2008(S1)
[5]重力坝坝基渗透参数进化反演分析[J]. 王媛,刘杰.  岩土工程学报. 2003(05)
[6]基于神经网络的岩体渗透系数反演方法及其工程应用[J]. 李守巨,刘迎曦,王登刚,李华,吴凤吉.  岩石力学与工程学报. 2002(04)
[7]基于思维进化机器学习的框架及新进展[J]. 孙承意,谢克明,程明琦.  太原理工大学学报. 1999(05)
[8]渗透参数反演的可变容差法[J]. 沈振中,赵坚,吴玲莉.  水电能源科学. 1999(01)



本文编号：3140055