基于最小二乘支持向量机土石坝渗透系数反演2.docxVIP

基于最小二乘支持向量机的土石坝渗透系数反演崔景川，陈声敢（中交二航局水工工程分公司，武汉430012）摘要：针对土石坝渗透参数和测压管水位间复杂的非线性关系，将最小二乘支持向量机应用于土石坝渗透系数的反演中。首先利用有限元模型得到最小二乘支持向量机的训练样本，建立坝体水压分量相对值和渗透系数间复杂的非线性关系，并将其输入到训练好的最小二乘支持向量机模型，即可得到大坝渗透系数的反演值。最后以某土石坝为例，采用最小二乘支持向量机反演了土石坝斜心墙的渗透系数，经过对比分析发现，该方法是可行的。关键词：土石坝；渗透系数；最小二乘支持向量机（LSSVM）；反演Back analysis of dam seepage parameters based on least squaressupport vector machineCUI Jingchuan，CHEN Shenggan(Hydraulic Engineering Company of CCCC 2nd Navigational Engineering Bureau, Wuhan 430012, China)Abstract:In view of complex nonlinear relationship between dam seepage parameters and piezometric tube level,the leastsquares support vector machine was applied to the back analysis of seepage parameters.Firstly,thetraining samples of the least squares support vector machine were obtained by the finite element model, the complexnonlinear relationship between relative values of water pressure components of dam pressure and seepage parameterswas established, which were inputted into the least squares support vector machinemodel,and the values of back analysis of the dam seepage parameters could be obtained. At last a earth rockfill dam wastaken as an example,and the least squares support vector machine was applied to the back analysis of dam seepage parameters.Through comparative analysis,it is found that the method isfeasible.Keyword: earth rockfill dam; seepage parameter; least squares support vector machine(LSSVM); back analysis1 引言对于土石坝，随着其运行时间的推移，坝体的实际参数也会与试验值不尽相同，而大坝原型监测资料作为大坝实际性态的最真实反映，蕴含了大坝结构性态随时间变化的规律。因此，依据大坝原型监测资料反演大坝渗透参数是一种很有效的方法[1]。由于土石坝渗透系数与测压管水位之间的关系是高度非线性关系，各种智能算法如遗传算法、人工神经网络均应用到大坝渗透系数的反演分析中，但是这两种方法存在一定的缺点，前者反演时间过长，效率低，后者则容易出现过学习，局部最小等问题。而支持向量机的基础是统计学习理论，它是一种专门的小样本理论，它避免了神经网络等方法的网络结构难于确定、过学习和欠学习以及局部极小等问题，被认为是目前针对小样本的分类、回归等问题的最佳理论。这一方法数学推导严密，理论基础扎实[2]。SVM的基本思想是通过某种非线性映射Φ(·)将输入向量x映射到一个高维空间z（特征空间），在这个高维空间中构造最优分类超平面；实际上不用知道上述非线性映射Φ(·)的具体形式，而是通过核函数计算高维空间中的内积。这样可克服维数升高而引起的计算困难。它运用结构风险最小化原则，能在经验风险与模型复杂度之间作适当的折衷，从而获得更好的推广能力。鉴于土石坝渗透系数的非线性以及SVM在求解非线性方面的强大能力，本文采用LS-SVM来进行土石坝渗透系数的反演分析，以求得出