基于BP神经网络的堆石坝参数反分析

景孟旗, 沈长松,刘 宾,王 冬,余敏林

(1.河海大学水利水电学院，南京,210098；2.辽宁省供水局，沈阳,110003；3.辽宁省东水西调工程建设局，沈阳,110006；4.宁波市水利水电规划设计研究院，宁波,315192)

0 引言

为评价混凝土面板堆石坝的安全，需进行变形与稳定等方面的研究计算，而这些计算均以已知的材料参数为前提。对于完建与运行多年的大坝，由于设计、施工等复杂原因，土体参数设计值往往与实际值相差很大，而由于受设备，成本等方面的制约，要对这些参数进行精确量测亦相当困难。

材料参数反分析方法正是在这种背景下应运而生的，它是现代规划理论、数值分析方法和观测技术的综合运用。现代控制理论和数值分析方法为反分析方法提供了理论基础；而观测设备及观测技术的发展则为反分析方法在实践中得到推广运用提供了技术保证，使其成为较精确地计算面板堆石坝坝体材料参数的有效方法。

本文基于BP神经网络对国内某抽水蓄能电站下水库大坝主、次堆石区材料参数进行反分析，根据该堆石坝的现场实测沉降，将堆石坝的沉降分解为瞬时变形沉降和流变沉降，从沉降监测值中减去蠕变分量，分解出沉降荷载变形分量的相对值；再从有限元计算得到的沉降变形绝对值中减去检测仪器安装前的沉降值，得到沉降变形相对值，进行材料参数的反演计算。然后根据反演得到的堆石区材料参数进行有限元计算，通过计算所得结果与现场实测数据对比，探讨反演数据的合理性和面板堆石坝坝体材料参数反分析方法的有效性，为堆石坝工程的设计和现场施工提供科学依据和参考。

1 工程应用实例

1.1 工程概况

本文对国内某抽水蓄能电站下水库大坝主、次堆石区材料参数进行反分析，研究中有限元计算与内部变形监测资料分析相结合反演坝体主堆石区及次堆石区的材料非线性参数，大坝典型横断面及材料分区示意图如图1。

图1 典型横断面及材料分区示意图

1.2 有限元计算资料

根据工程实际情况，应用Abaqus对其进行有限元仿真计算，计算过程中，坝体网格以空间六面体等参单元为主，在坝建基面等某些部位适当剖划空间五面体等参单元和空间四面体单元，以更好地适应大坝建基面几何形状的剧烈变化。整个计算域共剖分单元20527个，结点22291个，其中坝体有限元模型见图2。

图2 坝体有限元模型

研究中将有限元计算结果与坝体内部变形监测资料相结合，反演坝体主、次堆石区的材料非线性参数，有限元计算为BP神经网络提供训练样本集。

在岩土工程中选择本构模型时，一方面要贴近实际情况，另一方面要便于计算。我国在面板堆石坝的仿真计算分析中，最常用的本构模型有邓肯-张E-B非线性弹性模型、沈珠江院士的双屈服面弹塑性模型和多种形式的K-G模型。邓肯-张E-B模型的计算结果与堆石体沉降变形的实际情况较为符合，并且在实际工程计算中经过广泛使用，积累了丰富的经验，确定材料参数的试验技术和方法也较为成熟。因此，本文对面板堆石坝进行有限元分析时，采用邓肯-张E-B本构模型。运用邓肯-张E-B模型计算面板堆石坝变形时，共有8个参数，本文反演的模型参数为主、次堆石区的K, n, kb, m。

1.3 实测沉降变形量的处理

1.3.1 实测沉降变形量的分解

利用邓肯-张E-B模型对堆石坝沉降变形进行仿真计算时，通常不考虑堆石的蠕变特性及温度对堆石的影响。面板堆石坝在外载作用下，原型观测得到的变形是综合变形或叫总变形，它既含有外荷载的影响，又含有蠕变的影响，因此在反演分析时对总变形必须进行分解，即从总变形中扣除蠕变分量和温度分量，将剩余部分与有限元计算值相拟合，从而反演非线性参数，由于温度作用对堆石体变形影响相对较小，本文在对大坝沉降变形监测资料进行多元回归分析时，忽略了温度变化对堆石体沉降变形的影响，采用的运行期面板堆石坝变形的统计模型如下：

注：式中A0，…，A6——待定系数，h——坝前水深，t0——坝体开始填筑日至开始观测日的时间，每天取0.01，t——坝体开始填筑日至观测日的时间，每天取0.01。

蠕变分量St可表示为：

据（1）式，通过matlab编程进行多元回归分析，得到各测点的回归系数，进而由（2）式求得相应蠕变分量，实测沉降变形量的分解见表1。

表1 实测沉降量分解 单位：mm

1.3.2 实测沉降变形量与有限元计算值的统一

有限元计算得到的坝体变形量是绝对值，即计算所得的沉降值为坝体从初始建坝到埋设仪器，再到坝体竣工或运行期的沉降量之和——即累积沉降量；坝体沉降观测值为相对值，即观测所得的沉降值是从仪器埋设初始时刻以0mm沉降始计累积沉降量，未包含仪器埋设之前已经发生的累积沉降量。所以在反演分析中需要将沉降的绝对值和相对值进行统一后再作为输入样本集进行BP网络训练。本文根据回归分析结果，计算出仪器安装前的沉降量，从有限元计算得到的绝对 值中扣除仪器安装前的沉降量，将有限元计算值转化为相对值之后作为输入样本集。

1.4 材料参数反演分析

三层BP网络可以以任意精度逼近任何非线性函数，本文在对堆石区参数反演时采用三层BP网络模型。

神经网络是通过对大量相关参数的学习训练，最终得到输出参数与输入参数之间的映射关系，大量的输入参数与输出参数就构成了网络的训练样本集。文中选取56组参数，通过有限元软件Abaqus计算，得到所选测点处的沉降变形量绝对值，扣除沉降测量仪器安装前的沉降，得到沉降变形量相对值。56组参数和相应沉降变形计算相对值用做本文网络训练的样本集。通过56组样本对BP网络进行训练，并仿真，得到表2所示较为理想的最优解。

表2 堆石区材料参数反演结果

1.5 基于反演参数的有限元计算

基于表2参数，对运行期的坝体沉降进行有限元计算，得到图3所示沉降变形等值线图，图中沉降变形分布规律同实际观测情况一致。

表3为基于反演参数的测点沉降正分析结果与测点实测资料的对比。

图3 坝体沉降变形等值线图 单位：mm

?

由表3可见，扣除仪器埋设初始时刻的沉降计算值后，测点SGA2-4，SGA2-5，SGA3-7的沉降计算相对值和运行期沉降荷载变形分量相比误差较小，而测点SGA3-4误差相对较大，初步分析，主要是由于以下几点原因：

(1)坝体实际填筑过程中的不均匀性，以及与有限元分级加载仿真计算的不一致性等情况，会造成计算值与观测值出现误差。

(2)实测变形的分解与实际情况的接近程度，对反演分析的结果也有相应的影响。

(3)在观测过程中，会出现人为的失误、读数误差、时间不连续、数据不完整以及仪器不稳定等状况，这些必然也会产生一定的影响。

综上分析，本文所得到的结果虽存在一定的误差，但结果仍较为合理，反演得到的材料参数可以作为大坝仿真计算的一个重要参考依据。

2 结语

本文运用BP神经网络沉降位移反演分析法对某水库面板堆石坝堆石料的邓肯-张E-B模型参数进行反演分析，得出如下结论：

(1)由沉降仪读出的数据是多种因素综合作用的结果，用来进行反演分析、和有限元计算结果比较时，要扣除堆石体蠕变分量。

(2)有限元计算得到的坝体沉降变形绝对值，与坝体沉降观测得到的相对值，在反演分析前先进行统一，再作为BP神经网络的样本，进行反演计算，并根据反演得到的参数进行有限元计算，结果与现场实测结果符合较好，反演结果较为合理。

[1]田明俊,周晶.基于蚁群算法的土石坝土体参数反演[J].岩石力学与工程学报,2005;24(8):1411-1416.

[2]DunCan J M,CHANG C Y.Non-linear Analysis of Stresses and Strain in Soils[J].Journal of the Soil Me-chanic and Foundations Division,1970,96(5):1629-1652.

[3]沈珠江.南水双屈服面模型及其应用[C].海峡两岸土力学及基础工程地工技术学术研讨会论文集;西安:中国土木工程协会,1994: 152- 159.

[4]Gao Lian-shi.The Nonlinear Uncoupled K-G Model for Rock-fill Materials and Its Verification[C].Proceedings of the 14th International Conference on Soil Mechanics and Foundation Engineering.Sit zungsberichte;Hamburg:ISSMFE,September 6-12, 1997.

[5]沈长松,顾淦臣.面板堆石坝参数反分析及变形规律探讨[J].河海大学学报,1996.11;24(6):13～19.

[6]韩力群.人工神经网络教程[M].北京:北京邮电大学出版社,2006.