一种基于神经网络的高拱坝模型试验相似材料配合比确定方法技术

本发明专利技术提供了一种基于神经网络的高拱坝模型试验相似材料配合比确定方法，属于大坝模型试验领域。本方法包括以下步骤，S1:依据初步设计的正交实验方案及其力学性能测试结果，建立相似材料的训练样本集；S2:建立用于指示相似材料配合比参数与相似材料力学性能关系的人工神经网络，利用所述训练样本集训练所述人工神经网络，得到目标人工神经网络；S3:利用所述目标人工神经网络和进一步设计的细化实验方案，计算得到相似材料配合比参数和相似材料力学性能的直接映射集；S4:依据高拱坝模型试验的力学性能需求，结合拟合误差指标在所述直接映射集中选取与所述力学性能需求对应的相似材料配合比参数。本方法节省了大量设计的时间、成本和资源。成本和资源。成本和资源。

【技术实现步骤摘要】
一种基于神经网络的高拱坝模型试验相似材料配合比确定方法


[0001]本专利技术涉及大坝模型试验领域，尤其是一种基于神经网络的高拱坝模型试验相似材料配合比确定方法。

技术介绍

[0002]我国西南地区蕴含着丰富的水能资源，是现阶段我国水利建设的主要位置。随着社会需求的增加和施工技术的发展，目前该地区拟建和在建的拱坝工程中，很多工程都在200m级
‑ꢀ
300m级以上。然而，这些地区地质条件复杂、地震烈度大、地震加速度高，拱坝的抗震性能研究是工程建设和科研任务当中的主要问题。目前，关于高拱坝的抗震性能问题的研究，主要采取数值计算和模型试验两种主要方法。前者由于选取的本构关系、加载方法和积分手段的不同，不同研究得到的结果往往具有较大的差异。模型试验能直观的表现拱坝在地震作用下的力学行为，并真实的反映其抗震性能，是对数值计算的必要补充和验证。因此，在拱坝的设计阶段，通过模型试验来研究地震时拱坝的动力响应特性、裂纹的扩展规律和确定设计地震加速度是非常必要的。
[0003]对于高拱坝这种特殊结构来说，其自重引起的应力水平比普通结构高本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的高拱坝模型试验相似材料配合比确定方法，其特征在于，所述方法包含以下步骤：S1、依据设计的正交实验方案及其力学性能测试结果，建立相似材料的训练样本集；S2、建立用于指示相似材料配合比参数与相似材料力学性能关系的人工神经网络，利用所述训练样本集训练所述人工神经网络，得到目标人工神经网络；S3、利用所述目标人工神经网络和细化实验方案，计算得到相似材料配合比参数和相似材料力学性能的直接映射集；S4、建立拟合误差指标，依据高拱坝模型试验的力学性能需求，结合拟合误差指标在所述直接映射集中选取与所述力学性能需求对应拟合度最高的相似材料配合比参数，为最终确定的相似材料配合比参数。2.根据权利要求1所述的方法，其特征在于，所述步骤S1中设计的正交实验方案的设计因素包括：基于拟定的用于配制相似材料的原材料的种类；所述初步设计的正交实验方案的设计水平包括：按照原材料的质量比划分4
‑
6个等级。3.根据权利要求1所述的方法，其特征在于，步骤S1中所需测试的力学性能至少包括以下参数中的一个：相似材料的重度、抗压强度、劈裂强度和弹性模量。4.根据权利要求1所述的方法，其特征在于，所述S1步骤中，所述力学性能测试结果是对浇筑的一组6个试件进行测试并计算得到的，其计算方式如下：其中，y
ij
表示配合比i下的力学性能参数
j
的标注值，是1组6个试件按照从小到大的排序，1≤k≤6。5.根据权利要求1所述的方法，其特征在于，步骤S2包括：S21：输入训练样本集的输入特征向量和输出特征向量和输出特征向量进行人工神经网络的训练，并保存训练结果；其中，x
im
表示配合比i下的原材料m的含量，y
ij
表示配合比i下的力学性能参数j的取值；S22：建立网络精确度误差指标，并计算S21中训练的人工神经网络的精确度：
其中，n表示用于检验人工神经网络精确度的...

【专利技术属性】
技术研发人员：魏庆阳，曹茂森，付荣华，韦黎，席一粟，
申请(专利权)人：河海大学，
类型：发明
国别省市：