基于BP神经网络的堆石坝参数二次反演与变形预测

在预测堆石坝长期变形时,常常需对堆石体流变参数进行反演。若同时对堆石体的瞬时变形力学参数和流变参数进行反演,则反演参数多,网络结构复杂,所需的训练样本数量大,反演效率低。根据堆石坝的监测资料,将堆石坝的沉降分解为瞬时沉降和流变引起的沉降,运用BP神经网络方法逐次增加训练样本,循环训练网络,将瞬时力学参数与流变参数分开来进行二次反演,训练样本少,反演效率高,输出结果用于预测能与监测资料较好吻合,可为类似工程提供参考和借鉴。