基于BP神经网络的重力坝深层抗滑稳定分析

作     者：李思源 

作者单位：大连理工大学 

学位级别：硕士

导师姓名：陈健云

授予年度：2021年

学科分类：081504[工学-水利水电工程] 08[工学] 081104[工学-模式识别与智能系统] 0815[工学-水利工程] 0811[工学-控制科学与工程] 

主      题：混凝土重力坝 粘弹性人工边界 BP神经网络 应力拟合 抗滑计算 

摘      要：深层抗滑稳定分析是重力坝抗震计算中的一项重要内容,采用有限元方法进行深层抗滑稳定计算需要在计算模型中预先设置滑动面,当重力坝坝基深层存在多个缓倾角和软弱结构面时,不仅整个有限元模型建模和网格剖分将面对较大的困难,而且会面临局部单元质量降低的问题。本文提出了一种基于BP神经网络的重力坝深层抗滑稳定有限元分析方法。该方法无需在有限元计算模型中设置滑动面,结合BP神经网络算法根据坝基深层空间应力关系拟合滑动面应力,避免了复杂滑块的建模和网格剖分,具有良好的准确性和易用性;同时,本文比较了不同粘弹性人工边界条件对重力坝深层抗滑稳定计算结果的影响。本文主要研究内容如下:（1）根据BP神经网络基本理论推导了多层前馈和误差反向传播过程的计算公式,编制了BP神经网络拟合滑动面应力和预测抗滑稳定安全系数程序。程序根据无滑块有限元模型的坝基深层空间应力场,结合BP神经网络算法逼近坐标与应力的函数关系,即可拟合出滑动面任意位置处的应力值,从而预测滑动面的抗滑稳定安全系数。（2）分别建立了二维、三维重力坝无滑块和有滑块的有限元模型,在静力工况下应用BP神经网络方法预测无滑块模型的抗滑稳定安全系数,与传统预设滑动面模型的计算结果进行对比,验证了BP神经网络方法在静力工况下的预测精度。分析了BP神经网络程序中神经元个数和样本数据的质量对BP神经网络预测性能的影响,提出以神经网络性能参数衡量神经网络程序预测准确度,并验证了这一方法的可行性。（3）总结了粘弹性人工边界及等效荷载的常用公式,编制了二维和三维的粘弹性边界和地震动输入程序,比较了不同粘弹性人工边界条件在自由场算例和重力坝抗滑稳定分析问题中的影响。（4）应用BP神经网络方法在动力工况下进行了抗滑稳定计算,为了降低BP神经网络结果的随机性,对每个时刻的抗滑系数预测采取多次预测取均值作为该时刻的预测值,并对比了每个时刻的重复次数对预测结果稳定性和准确性的影响。