基于遗传神经网络坝基岩体渗透系数识别.pdfVIP

第 23 卷 第 5 期 岩石力学与工程学报 23(5) ：751～757 2004 年 3 月 Chinese Journal of Rock Mechanics and Engineering March ，2004 基于遗传神经网络的坝基岩体渗透系数识别* 何 翔 李守巨 刘迎曦 周园π (大连理工大学工业装备结构分析国家重点实验室 大连 116023) 摘要 基于坝基岩体渗流场正演分析的数学模型，通过观测渗流区域地下水运动的动态信息反演坝基岩体的渗透 系数。将遗传算法和神经网络相结合，所建立的遗传神经网络具有较快的训练速度和较强的泛化能力。数值算例 表明，遗传神经网络在求解坝基岩体渗透系数反演问题中具有较高的计算效率和识别精度。 关键词 遗传神经网络， 渗透系数，参数识别，全局最优，归一化 分类号 O 357 文献标识码 A 文章编号 1000-6915(2004)05-0751-07 IDENTIFICATION OF PERMEABILITY COEFFICIENT OF ROCK MASS IN DAM FOUNDATION BASED ON GENETIC NEURAL NETWORK He Xiang ，Li Shouju ，Liu Yingxi ，Zhou Yuanpai (State Key Laboratory of Structural Analysis of Industrial Equipment ，Dalian University of Technology ， Dalian 116023 China) Abstract The mathematical model of seepage field is introduced as the basis in identifying the permeability coefficient of the dam foundation by observing the dynamic information of the movement of underground water in seepage field. With the combination of genetic algorithm with artificial neural network，the newly established genetic neural network is of faster training speed and superior generating ability. The presented numerical example shows that the genetic neural network is of both higher computing efficiency and higher identification accuracy. Key words genetic neural network ，permeability coefficient ，parameter identification ，global optimum ， normalization procedure 准确的确定坝基岩体的渗透系数是对坝基渗流 1 引 言 问题进行数值分析的前提，传统上常采用野外几何 测量、野外单孔压水试验、野外三段压水试验及室 在水利水电工程中，大坝的安全和电站的正常 内模拟试验等方法来确定岩体的渗透系数，这些方