考虑不确定性概念的高面板堆石坝动力参数反演分析

针对目前动本构模型参数反演方法大多未考虑参数不确定性的问题,将自适应云变换算法(AGCT)与RBF神经网络(RBFNN)相结合,构建了自适应云神经网络参数反演模型(AGCTNN),将不确定性概念转换为定量数值,较好地考虑了大坝系统间的随机性与模糊性对动力参数反演的影响。对比分析AGCT与K-Means、SOM、DBSCAN三种传统聚类算法,验证了算法的优越性与可行性,而后利用AGCTNN与RBFNN两种反演模型对工程实例进行了反演分析。结果表明,提出的反演模型正耦合计算结果与实测值一致性更好,测点峰值加速度实测值与反演值的误差范围由8.73%～25.17%降至2.31%～8.16%,印证了该反演模型的合理性与应用于实际工程中的可能性。