位移反分析自适应神经模糊推理方法.pdfVIP

第 23 卷 第 18 期 岩石力学与工程学报 23(18) ：3087～3092 2004 年 9 月 Chinese Journal of Rock Mechanics and Engineering Sept.，2004 位移反分析的自适应神经模糊推理方法* 丁德馨 张志军 (南华大学建筑工程与资源环境学院 衡阳 421001) 摘要 现有各种位移反分析方法均存在着这种或那种不足之处：基于最优化理论的位移反分析方法，解的稳定性 较差，易陷入局部极小，反演参数较多时收敛速度较慢，且难以搜索到最优解；基于人工神经网络的位移反分析 方法，当解空间稍大时便难以收敛到所需要的精度，且训练结果不具有唯一性，因而很难获得与实际岩体相吻合 的反演结果；基于遗传进化的位移反分析方法，需对搜索过程进行大量经验性干预才能搜索到最优解；基于遗传 进化和神经网络的位移反分析方法，亦只在较小的解空间内才有效。针对这些不足之处，应用自适应神经模糊推 理系统的原理，建立了位移反分析的自适应神经模糊推理方法，并应用该方法对所设定的某一标准弹塑性问题的 力学参数进行了反演，反演结果表明，在较大的解空间内，这种位移反分析方法收敛速度快、解的稳定性好、反 演结果精度高，是一种优异的位移反分析方法。 关键词 数值分析，自适应，神经网络，模糊推理，位移反分析 分类号 TP 183 文献标识码 A 文章编号 1000-6915(2004)18-3087-06 ADAPTIVE NEURO-FUZZY INFERENCE APPROACH FOR BACK ANALYSIS OF DISPLACEMENTS Ding Dexin ，Zhang Zhijun (Faculty of Construction ，Resources and Environment ，Nanhua University ， Hengyang 421001 China) Abstract Current approaches for back analysis of displacements have some shortcomings. For optimization theory-based approach ，it is easy to get trapped at local optimalization，instable in identifying optimal solution， and slow in converging for many parameters to be inversed. For artificial neural network based-approach，it is difficult to converge with desired accuracy when the search space is relatively large，and，furthermore，to get the sole inversion results because of the indefiniteness of trained network. The genetic algorithm-based approach can get the optimal solution only if experience-based interference is implemented. The approach based on artificial neural networks and genetic algorithms is effective only if the search space is relat