河道堤防力学参数反演计算模型研究

柏 丽

(辽宁泽龙水利实业有限责任公司，沈阳 110003)

0 前 言

近年来，基于有限元原理的ANFIS模型在水利工程岩土力学参数计算中得到应用，并结合试验对其模型参数进行确定和优化，可实现岩石力学参数的高精度反演计算[7-8]。但该模型在河道堤防力学参数反演计算应用还较少，为探讨该模型在河道堤防力学参数反演的适用性，文章以辽宁某河道堤防设计工程为具体实例，结合ANFIS模型对该河道堤防力学参数进行反演计算，并通过试验测定力学参数值，对模型计算的参数进行验证。研究成果对于河道堤防力学参数的反演计算新方法具有参考意义。

1 河道堤防力学参数反演方法

ANFIS模型主要基于有限元的计算方法，并通过自回归方法对模型反演参数进行优化，其模型主要计算方程为：

(1)

式中：τ为横向变量状态值；α为小波变换系数；t为计算时长。ANFIS模型采用小波分析函数对模型进行求解：

ψ(t)=cos(1.75t)e(-t2/2)

(2)

式中：ψ为小波求解函数值，模型对不同时间节点变量进行计算。

(3)

式中：φ(j)为模型节点变量计算值；αj为模型计算基础变量；i为模型计算节点数目；wij为变量状态权重；τj为模型计算步长。在模型变量权重计算基础上，对模型目标含沙进行求解：

(4)

式中：k为计算参数的数目。ANFIS模型采用自回归函数对目标求解参数进行优化计算：

(5)

(6)

(7)

(8)

式中：E为模型目标函数求解值，其他变量同上述方程中变量含义。

2 实例应用

2.1 工程概况

以辽宁某河道堤防工程为具体实例，堤防长度和底部高程分别为4.5m以及3.5m。河道堤防宽度以及坝顶高程分别为35m和12.4m。迎水坡比在1∶2.5-1∶3之间变化，坡比变化较为均匀。河道堤防岩石主要有混合岩、大理岩、砾岩、安山岩以及松散堆积层等5种类型岩石。采用ANFIS模型对这5类岩石的力学参数进行反演，并结合试验观测数据对模型进行验证，河道堤防的试验观测分布以及力学观测参数见图1和表1。

图1 河道堤防试验观测分布

表1 河道堤防试验观测参数结果

2.2 模型参数设置

结合试验测定的力学参数数据，对ANFIS模型参数进行设置，模型参数设置结果见表2所示。

表2 ANFIS模型参数设置结果

结合现场试验力学参数结果对ANFIS模型参数的取值范围进行确定，从分析结果可看出，针对不同类型岩体，其弹性模量的取值范围主要在1.08-3.33Gpa之间，而泊松比的取值范围主要在0.09-0.99之间变化，泊松比受不同岩体类型影响较大，因此其参数取值范围变化幅度也较大。从内摩擦力的取值范围可看出，不同岩体内摩擦力总体介于0.09-1.08MPa之间，总体变化范围较小，这主要是因为内摩擦力受岩体类型影响相对较小。而不同类型的内摩擦角总体在9°-40.5°之间取值，变化范围较大，受不同岩体类型影响较为明显，5种类型岩体的侧压力系数总体在0.18-0.63之间，相对变化较为稳定。

2.3 模型力学参数反演计算

1)模型检验

对模型的收敛度进行检验，对不同计算样本组序下的边坡位移和堤顶下沉进行正交试验，试验结果如表3所示。

表3 不同计算组序下的模型收敛度检验结果

从不同样本收敛度分析结果可看出，随着样本组序的增加，坝顶沉降和边坡位移都有较为明显的递减变化，表明随着样本序列的增加，模型的收敛度逐步增加，在模型样本训练初期，目标函数的求解随着样本序列的增多，其模型参数逐步优化，模型求解速率加快，模型的收敛度得到提升，当模型训练组序为15-20组时，模型逐步收敛，模型的坝顶下沉量和边坡位移量的变化也逐步趋于稳定。综上，ANFIS模型通过不断的样本训练和样本组序的增多，其模型可以收敛，模型检验合理。

2)模型力学参数反演验证

结合构建好的ANFIS模型对该河道堤防的力学参数进行反演计算，并结合试验观测参数数据对ANFIS模型以及传统方法力学参数反演的精度进行对比验证，结果如表4、表5及表6所示。

表4 河道堤防力学参数反演结果

表5 ANFIS模型误差验证

表6 传统方法误差验证

结合ANFIS模型对该河道堤防不同岩体类型的力学参数进行反演，并结合力学反演参数的结果对坝顶下沉量以及边波位移进行反演计算，结合试验测定的坝顶下程量和边波位移量对模型力学参数反演的精度进行验证，从验证结果可看出，采用ANFIS模型进行反演后，反演的坝顶沉降和边波位移和试验观测值之间的误差均低于15%，具有较好的反演精精度。这主要是因为ANFIS模型基于有限元的方法，通过构建自适应函数对模型目标求解优化，实现了目标参数值的优化求解，因此降低了模型反演的误差。从和传统方法反演误差对比结果可看出，相比于传统方法，采用ANFIS模型反演的误差均值可降低20%左右，这主要是因为传统反演方法不能考虑模型求解收敛度以及优化求解。

3 结 语

1)随着样本序列的增加，模型的收敛度逐步增加，在模型样本训练初期，目标函数的求解随着样本序列的增多，其模型参数逐步优化，模型求解速率加快，模型的收敛度得到提升

2)采用ANFIS模型进行反演后，反演的坝顶沉降和边波位移和试验观测值之间的误差均低于15%，具有较好的反演精精度。这主要是因为ANFIS模型基于有限元的方法，通过构建自适应函数对模型目标求解优化，实现了目标参数值的优化求解，因此降低了模型反演的误差。