[发明专利]基于QGA-MMRVM的堆石坝材料参数自适应反演方法

说明书

本发明公开了基于QGA‑MMRVM的堆石坝材料参数自适应反演方法，包括如下步骤：首先在多输出相关向量机(M‑RVM)的基础上，引入混合核函数构建精度更高的MMRVM；随后采用参数固定的QGA优化MMRVM核参数，实现MMRVM模型的自适应计算；后发挥QGA的全局搜索能力，以大坝实测沉降数据为目标，反演筑坝材料本构模型参数，实现反演模型的自适应计算。本发明解决了现有技术中存在的计算精度低、计算速度慢、小样本针对性不足、反演模型自适应性差等问题；可广泛应用于其他工程与反演项目。

技术领域

本发明属于水利工程中的堆石坝材料参数反演技术领域，特别涉及基于 QGA-MMRVM的堆石坝材料参数自适应反演方法。

背景技术

堆石坝本构模型参数反演方法可分为直接算法和智能算法两类。直接算法是将参数反演问题转换为优化问题，但存在难以收敛到全局最优解的缺陷。近年来，智能算法发展迅猛，其在堆石坝反演研究中有着良好应用，包括神经网络法、遗传算法、粒子群算法和支持向量机(SVM)等。

Yu等采用进化算法优化人工神经网络算法反演E-B模型参数，其结果优于遗传算法且与监测值吻合良好(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等将混合遗传算法和有限元法(FEM)相结合，并应用于茅坪溪和公伯峡大坝中(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)。康飞等在分析堆石坝双屈服面模型参数灵敏度的基础上，将蚁群算法与径向基网络应用于参数反演中(康飞,李俊杰,许青.堆石坝参数反演的蚁群聚类RBF网络模型[J].岩石力学与工程学报,2009,28(增刊): 3639-3644)。马刚等尝试采用粒子群算法和神经网络算法，对静力本构模型、流变模型参数进行综合反演(马刚,常晓林,周伟,等.高堆石坝瞬变-流变参数三维全过程联合反演方法及变形预测[J].岩土力学,2012,33(6): 1889-1895)。李守巨等采用FEM模拟堆石坝分层填筑，依据大坝观测数据建立多项式响应面函数，反演材料参数(李守巨,张军,梁金泉,等.基于堆石坝竣工期沉降观测数据的材料非线性本构模型参数反演[J].岩土力学, 2014,35(s2):61-67)。杨荷等采用响应面法对高堆石坝的瞬变、流变参数进行联合反演(杨荷,周伟,马刚,等.基于响应面法的高堆石坝瞬变-流变参数反演方法[J].岩土力学,2016,37(6):1697-1705)。