[發明專利]基于QGA-MMRVM的堆石壩材料參數自適應反演方法

有效

• 申請號: 201810331050.6
• 申請日: 2018-04-13
• 公開（公告）號: CN108549770B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: 楊杰;馬春輝;胡德秀;程琳
• 申請（專利權）人: 西安理工大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06F30/23;G06F30/13;G06N20/10;G06N10/20;G06N10/60;G06N3/12;G06F111/04
• 代理公司: 北京國昊天誠知識產權代理有限公司 11315
• 代理人: 楊洲

本發明公開了基于QGA?MMRVM的堆石壩材料參數自適應反演方法，包括如下步驟：首先在多輸出相關向量機(M?RVM)的基礎上，引入混合核函數構建精度更高的MMRVM；隨后采用參數固定的QGA優化MMRVM核參數，實現MMRVM模型的自適應計算；后發揮QGA的全局搜索能力，以大壩實測沉降數據為目標，反演筑壩材料本構模型參數，實現反演模型的自適應計算。本發明解決了現有技術中存在的計算精度低、計算速度慢、小樣本針對性不足、反演模型自適應性差等問題；可廣泛應用于其他工程與反演項目。

技術領域

本發明屬于水利工程中的堆石壩材料參數反演技術領域，特別涉及基于 QGA-MMRVM的堆石壩材料參數自適應反演方法。

背景技術

堆石壩本構模型參數反演方法可分為直接算法和智能算法兩類。直接算法是將參數反演問題轉換為優化問題，但存在難以收斂到全局最優解的缺陷。近年來，智能算法發展迅猛，其在堆石壩反演研究中有著良好應用，包括神經網絡法、遺傳算法、粒子群算法和支持向量機(SVM)等。

Yu等采用進化算法優化人工神經網絡算法反演E-B模型參數，其結果優于遺傳算法且與監測值吻合良好(Yu Y,Zhang B,Yuan H.An intelligent displacement back-analysis method for earth-rockfill dams[J]. Computers and Geotechnics,2007,34(6):423-434)。Zhou等將混合遺傳算法和有限元法(FEM)相結合，并應用于茅坪溪和公伯峽大壩中(Zhou W, Hua J,Chang X,et al.Settlement analysis of the Shuibuyaconcrete-face rockfill dam[J].Computers and Geotechnics,2011,38(2): 269-280)。康飛等在分析堆石壩雙屈服面模型參數靈敏度的基礎上，將蟻群算法與徑向基網絡應用于參數反演中(康飛,李俊杰,許青.堆石壩參數反演的蟻群聚類RBF網絡模型[J].巖石力學與工程學報,2009,28(增刊): 3639-3644)。馬剛等嘗試采用粒子群算法和神經網絡算法，對靜力本構模型、流變模型參數進行綜合反演(馬剛,常曉林,周偉,等.高堆石壩瞬變-流變參數三維全過程聯合反演方法及變形預測[J].巖土力學,2012,33(6): 1889-1895)。李守巨等采用FEM模擬堆石壩分層填筑，依據大壩觀測數據建立多項式響應面函數，反演材料參數(李守巨,張軍,梁金泉,等.基于堆石壩竣工期沉降觀測數據的材料非線性本構模型參數反演[J].巖土力學, 2014,35(s2):61-67)。楊荷等采用響應面法對高堆石壩的瞬變、流變參數進行聯合反演(楊荷,周偉,馬剛,等.基于響應面法的高堆石壩瞬變-流變參數反演方法[J].巖土力學,2016,37(6):1697-1705)。