基于人工神经网络的岩土力学参数反分析在大坝变形监测研究中的应用

摘要

大坝在国民经济中产生了巨大的社会经济效益，然而，由于种种原因，部分大坝存在不安全的因素，直接影响工程效益的发挥，甚至威胁下游人民的生命财产安全，已引起政府部门的高度重视。 大坝的安全设计中，存在着诸多不确定因素，应力——应变本构关系复杂，解析计算结果难与工程实际相吻合。因此，利用原位监测资料反演分析大坝力学参数与反馈分析大坝的运行状况工作得到了广泛的应用和飞速的发展。 本文采用了人工神经网络理论，分析了经典BP算法收敛速度慢及精度低等缺点，应用基于Levenberg-Marquardt优化算法的全局优化BPlm网络，以实测变形应力等参数为基础，将有限元数值法计算的结果作为网络输入，对应的物理力学参数作为输出，经过学习训练后，将实测结果作为输入，则可反演得到实际物理力学参数。研究显示：BPlm网络比经典BP网络的预测精度高，与统计模型相比较，BPlm网络模型受测值系列长短的影响更小。 论述了应用神经网络反分析大坝变形参数的原理、方法，建立了龙羊峡水电站大坝变形监测模型，应用BPlm网络反分析龙羊峡大坝的坝体、坝基平均弹性模量等参数，通过有限元计算结果的检验及混合模型的验证，说明了应用BPlm神经网络进行大坝变形参数反分析是可行和可靠的。

目录

文摘

英文文摘

声明

第一章绪论

1.1问题的提出

1.2研究现状

1.3研究内容与技术路线

1.3.1研究内容

1.3.2技术路线

1.4本文所做的工作

第二章人工神经网络理论及应用分析

2.1人工神经网络概述

2.1.1人工神经网络的发展

2.1.2人工神经网络的常见模型

2.1.3神经网络的特点

2.1.4神经网络的学习规则

2.2 BP网络模型

2.2.1 BP网络学习规则

2.2.2 BP网络模型的设计

2.2.3标准BP的具体计算步骤

2.3改进的BP网络

2.3.1BP算法存在的主要问题

2.3.2解决方案

2.4本章小结

第三章大坝变形监测统计模型和混合模型

3.1概述

3.2统计模型

3.2.1观测资料的定性分析

3.2.2统计模型

3.3大坝监测混合模型

3.3.1变形混合模型的构造

3.3.2调整系数X的物理意义讨论

3.3.3有限元结构计算

3.3.4混合模型分析

3.3.5泊松比μ的敏感分析

3.4本章小结

第四章工程应用

4.1 工程简介

4.1.1龙羊峡的地理位置

4.1.2安全监测系统简介

4.2反分析方法

4.2.1基本原理

4.2.2反演Ec和Er的方法

4.3大坝变形参数反分析的神经网络法原理

4.4应用BP1m网络反分析大坝变形参数实例

4.4.1有限元计算

4.4.2 BP1m网络反演程序的编制

4.4.3 BP1m网络的训练及泛化反演

4.4.4反分析结果印证

4.5本章小结

结论与展望

参考文献

攻读硕士学位期间参加的科研项目和发表的论文

致谢