358
施工技术
CONSTRUCTION TECHNOLOGY 2012年6月第41卷增刊
基于GA-ANN 的高堆石坝施工期沉降分析
柳育刚，孙静，刘东海
（天津大学建筑工程学院，天津300072）
［摘要］施工期坝体沉降是影响大坝安全的主要因素。为精确计算施工期坝体的沉降，选取填筑高度和时效因子作为ANN ）构造施工期坝体沉降预测模型；某工程实例应用表明，采用基于遗传算法的人工神经网络（GA-沉降分析变量，
该模型具有较高的拟合、预测精度，为大坝施工期沉降控制提供了依据。［ANN ；时效因子；填筑高度；沉降关键词］高堆石坝；GA-［TV641．4中图分类号］
［文献标识码］A
［8498（2012）S0-0358-03文章编号］1002-
Settlement Analysis of High Rockfill Dams in Construction Period Based on GA-ANN Model
Liu Yugang ，Sun Jing ，Liu Donghai
（School of Civil Engineering ，Tianjin University ，Tianjin 300072，China ）
Abstract ：Settlement during construction is a major factor that affects dam safety．In order to analysis settlement data ，GA-ANN is considered to establish the predict model．As based on genetic algorithm-artificial neural network ，using the filling height and time as variables．The result of actual project indicates that the model inosculates with the fact data and has high prediction accuracy ，providing basis for controlling settlement in construction period．
Key words ：high rock-fill dam ；GA-ANN ；time ；filling height ；settlement
坝体沉降监测是土石坝安全监测的一个重要方面，是实时掌握被监测体的状态、保障施工及运行安全、确定最终坝高的重要手段。施工期由于填筑加载作用，土而有效分析这些监测石坝在此期间的沉降量尤为显著，
资料，建立合理的监测模型是研究和应用的重点。针对这一问题，李宗坤等提出了历时与沉降之间的双曲线回归三参数模型
［1］
值，避免神经网络自身缺陷对预测模型的影响，提高模型训练及预测能力，并以某工程为例进行验证。11．1
ANN 模型施工期沉降预测GA-坝体沉降的ANN 模型
施工期坝体沉降量很大，其中坝体沉降的主要荷载为坝体自重。由于坝体逐层填筑，自重荷载逐步增加，将对沉降的发展产生重要影响。同时土石坝填筑材料故沉降不是在加载的瞬间完成，而具有明显的蠕变性，
因此坝体填筑高度和时效是会随着时间的增加而发展，因子均对沉降值有一定的影响。
坝体沉降的神经网络模型如图1所示。模型包含输入层、隐含层、输出层，输入变量为影响施工期坝体沉降的时效因子和填筑高度，输出变量即为对应的沉降值。
1）模型和GM （1，
［2］
，鞠石泉等提出了人
［3］
均得到了良好的拟合效果。工神经网络模型（ANN ），
考虑到土石坝沉降本身规律以及与影响因素间的关系本文探讨采用神经网络模型对具有明显的非线性特点，
自适应、自学习、联其加以分析预测。ANN 具有自组织、
想记忆、高度容错、并行处理能力及高度非线性映射能力，使得神经网络理论的应用已经渗透到了各个领域，在土木、水利工程领域也有广泛的应用
［4-5］
，但是，神经
网络同时具有易陷入局部极小点、收敛速度较慢等缺点，因此常常难以得到准确的模型。基于此，本文尝试以具有很强的宏观搜索能力和良好的全局优化性能的GA ）［6］来优化神经网络权遗传算法（beneticalgorithm ，
［12-23收稿日期］2011-［基金项目］国家自然科学基金（51079096）；教育部新世纪优秀人才
08-0391）计划资助（NCET-［］，作者简介柳育刚天津大学建筑工程学院硕士研究生，天津市南开
E-mail ：willowhard@tju．区卫津路92号300072，电话：[1**********]，
edu．cn
图1坝体沉降的神经网络模型
其学习步骤如下。
358
施工技术
CONSTRUCTION TECHNOLOGY 2012年6月第41卷增刊
基于GA-ANN 的高堆石坝施工期沉降分析
柳育刚，孙静，刘东海
（天津大学建筑工程学院，天津300072）
［摘要］施工期坝体沉降是影响大坝安全的主要因素。为精确计算施工期坝体的沉降，选取填筑高度和时效因子作为ANN ）构造施工期坝体沉降预测模型；某工程实例应用表明，采用基于遗传算法的人工神经网络（GA-沉降分析变量，
该模型具有较高的拟合、预测精度，为大坝施工期沉降控制提供了依据。［ANN ；时效因子；填筑高度；沉降关键词］高堆石坝；GA-［TV641．4中图分类号］
［文献标识码］A
［8498（2012）S0-0358-03文章编号］1002-
Settlement Analysis of High Rockfill Dams in Construction Period Based on GA-ANN Model
Liu Yugang ，Sun Jing ，Liu Donghai
（School of Civil Engineering ，Tianjin University ，Tianjin 300072，China ）
Abstract ：Settlement during construction is a major factor that affects dam safety．In order to analysis settlement data ，GA-ANN is considered to establish the predict model．As based on genetic algorithm-artificial neural network ，using the filling height and time as variables．The result of actual project indicates that the model inosculates with the fact data and has high prediction accuracy ，providing basis for controlling settlement in construction period．
Key words ：high rock-fill dam ；GA-ANN ；time ；filling height ；settlement
坝体沉降监测是土石坝安全监测的一个重要方面，是实时掌握被监测体的状态、保障施工及运行安全、确定最终坝高的重要手段。施工期由于填筑加载作用，土而有效分析这些监测石坝在此期间的沉降量尤为显著，
资料，建立合理的监测模型是研究和应用的重点。针对这一问题，李宗坤等提出了历时与沉降之间的双曲线回归三参数模型
［1］
值，避免神经网络自身缺陷对预测模型的影响，提高模型训练及预测能力，并以某工程为例进行验证。11．1
ANN 模型施工期沉降预测GA-坝体沉降的ANN 模型
施工期坝体沉降量很大，其中坝体沉降的主要荷载为坝体自重。由于坝体逐层填筑，自重荷载逐步增加，将对沉降的发展产生重要影响。同时土石坝填筑材料故沉降不是在加载的瞬间完成，而具有明显的蠕变性，
因此坝体填筑高度和时效是会随着时间的增加而发展，因子均对沉降值有一定的影响。
坝体沉降的神经网络模型如图1所示。模型包含输入层、隐含层、输出层，输入变量为影响施工期坝体沉降的时效因子和填筑高度，输出变量即为对应的沉降值。
1）模型和GM （1，
［2］
，鞠石泉等提出了人
［3］
均得到了良好的拟合效果。工神经网络模型（ANN ），
考虑到土石坝沉降本身规律以及与影响因素间的关系本文探讨采用神经网络模型对具有明显的非线性特点，
自适应、自学习、联其加以分析预测。ANN 具有自组织、
想记忆、高度容错、并行处理能力及高度非线性映射能力，使得神经网络理论的应用已经渗透到了各个领域，在土木、水利工程领域也有广泛的应用
［4-5］
，但是，神经
网络同时具有易陷入局部极小点、收敛速度较慢等缺点，因此常常难以得到准确的模型。基于此，本文尝试以具有很强的宏观搜索能力和良好的全局优化性能的GA ）［6］来优化神经网络权遗传算法（beneticalgorithm ，
［12-23收稿日期］2011-［基金项目］国家自然科学基金（51079096）；教育部新世纪优秀人才
08-0391）计划资助（NCET-［］，作者简介柳育刚天津大学建筑工程学院硕士研究生，天津市南开
E-mail ：willowhard@tju．区卫津路92号300072，电话：[1**********]，
edu．cn
图1坝体沉降的神经网络模型
其学习步骤如下。