Resumen

Este artículo investiga la posible aplicación de redes neuronales artificiales en la identificación de parámetros de deformación permanente para presas de escollera. Se adoptan dos tipos de modelos de redes neuronales, la red multicapa feedforward (BP) y las redes de función de base radial (RBF), para identificar los parámetros de deformación sísmica permanente de la presa Zipingpu en China. El análisis dinámico se lleva a cabo mediante el método de elementos finitos tridimensionales, y la deformación permanente inducida por el terremoto se calcula mediante un método de fuerza nodal equivalente. Basándose en el análisis de sensibilidad de los parámetros de deformación permanente, se establece una función objetivo para el entrenamiento de la red teniendo en cuenta la sensibilidad de los parámetros, lo que puede mejorar la precisión de la identificación de parámetros. Por comparación, se encuentra que la red RBF supera a la red BP en este problema. El modelo de análisis inverso propuesto para presas de tierra-roca puede identificar los parámetros de deformación sísmica con sólo una pequeña cantidad de diseños de muestra, y se puede ahorrar mucho tiempo de cálculo con este método.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:presas de escollera, método de los elementos finitos dimensionales, método de la fuerza nodal equivalente, identificación de parámetros de deformación permanente, redes neuronales artificiales, modelo de análisis inverso, mucho tiempo de cálculo, red multicapa feedforward, modelos de redes neuronales, parámetros de deformación permanente
• Keywords:rockfill dams, dimensional finite element method, equivalent nodal force method, permanent deformation parameter identification, artificial neural networks, inverse analysis model, much calculation time, multilayer feedforward network, neural network models, permanent deformation parameters