乐昌峡水利枢纽工程右岸坝肩边坡渗流场边界反演分析-广东水利水电.pdfVIP

７ Ｎｏ７ 第 期 广东水利水电 ２０１４ ７ ＧＵＡＮＧＤＯＮＧＷＡＴＥＲＲＥＳＯＵＲＣＥＳＡＮＤＨＹＤＲＯＰＯＷＥＲ Ｊｕｌ．２０１４ 年 月 乐昌峡水利枢纽工程右岸坝肩边坡渗流场边界反演分析 １，２ ２ 　 ， 　 李 成 李 毅 （１． ， 　５１０６３５；２． ， 　４１００７６） 广东省水利电力勘测设计研究院 广东广州 长沙理工大学水利工程学院 湖南长沙 　 ： ， ， 摘 要 以确定乐昌峡水电站右岸坝肩边坡地下水位边界为目的 首先以现场监测资料为基础 通过非线性方法拟合各 ， ， 类地下水位边界条件 其次建立三维有限元边坡模型并结合遗传神经网络对地下水边界条件进行反演 最后通过有限元 。 ， 方法计算得到边坡渗流场 计算结果与实测水头较为接近 表明构造的非线性地下水位边界与遗传神经网络反演相结合 ， 的方法能够解决复杂渗流场边界水头的确定问题 研究成果对乐昌峡工程的渗流分析以及类似工程具有一定的指导 意义。 ： ； ； ； ； 关键词 渗流 有限元 反演分析 遗传神经网络 边坡 中图分类号：ＴＶ１３９１４　　文献标志码：Ｂ　　文章编号：１００８－０１１２（２０１４）０７－０００８－０６ 随着岩土力学数值分析理论和方法的日益成熟， １　基于遗传算法的神经网络的优化算法 ， 、 、 ， 以及岩体测量技术的不断进步 基于位移 应力 应 遗传算法作为一种新型的全局优化搜索算法 将 、 ， 变 水头及流量等实测信息的反演分析逐渐发展成为 其用于神经网络权值和阀值的训练学习 能得到较好 ［１］。 ， ＢＰ 、 获取岩体力学参数的重要手段 陈昌彦等应用人工 的结果 它能克服 网络算法中学习效率低 收敛 ［２］ ； 、 ， 、 神经网络方法预测边坡岩体的稳定状况 刘先珊等 速度慢 容易陷入局部最优等缺点 是神经网络权值 。 采用模拟退火的交替迭代算法的神经网络反演了水闸 阀值训练学习的有效方法 它适合于处理规模较大的 ［３］ 。 ， ， ， 地基的渗透系数 目前运用反分析来研究岩土工程 并行问题 因此 当网络的结构较庞大时 只要选择