基于模拟退火Gauss-Newton 算法神经网络在渗流反分析中应用.pdfVIP

第26卷第3期 岩 土 力 学 、，01．26 NO．3 2005年3月 RockandSoilM echanics Mar． 2005 文章编号：1000--7598--(2005)03一o4o4—06 基于模拟退火的Gauss．Newton算法的 神经网络在渗流反分析中的应用 刘先珊 ，周创兵 ，张立君2 (1．武汉大学 水资源与水电工程科学国家重点实验室，湖北 武汉 430072，2．漳河工程管理局，湖北 荆门 448156) 摘 要：提出了模拟退火的Gauss．Newton算法的神经网络，克服了经典BP网络存在的一些缺陷。并以正弦函数的迭代收敛 为例，证明了该方法的正确性，有效性和优越性。同时将该方法用于同乐坪大坝的渗流反分析，利用反演出的渗透系数进行 渗流场计算。得到的水头预报值与观测值相吻合，可知反演结果是正确的，说明该方法用于实践工程的渗流参数识别是可行 的。 关 键 词：模拟退火的Gauss—Newton算法；反分析；渗透系数 中图分类号：Tv223．6 文献标识码：A Applicationofneuralnetworkbasedonsimulatedannealing Gauss-Newtonalgorithm toseepagebackanalysis LIUXian—shan，ZHOUChu~g—bin，ZHANGLi-jun2 (1．StateKeyLaboratoryofWaterResurcesandHydropowerEngineeringScience，Wuhna University,Wuhna 430072，China 2．ZhnagheHydranlicProjectAdministrationBureau，Jingmen448156，China) Abstract：SimulatedAnnealingGauss·Newtonalgorithm appliedtoneural networkisputforward．Itovercomessomelimitationof htetraditionalBP neuralnetwork．Taking iterative convergenceofsinefunction ofrexample，htecorrection，efficiency and superiorityofhtealgorihtm raeproved．Atthesametime，thisalgorihtm isappliedtoseepagebackanalysisofTonglepingdam，using seepagecoefficienttocalculateseepageflow field．Andforecastedwaterheadsapproachtohteobservedvalues，whichillumi nates htebacknaalysisresultiscorrectandthealgorihtm isfeasibleinhtepracticalseepagepraametersidentification． Keywords：simulatednanealingGauss—Newtonalgorihtm；backanalysis；seepagecoefficient 模型反演了某碾压式粘壤土坝的渗透系数。但是， l 引 言 经典的BP算法采用的是对每一个样本进行梯度下 渗流反问题的研究在岩土工程中具有重要的意 降法的正反向计算，收敛速度较慢，且易陷入局部 义，引起了广泛的关注。但该问题是典型的非线性 极小。针对以上2个缺陷，文献[5】用交替迭代算法 反 问题，难 以用简单的数学、力学模型来描述。因 代