位移反分析的APSO-WNN模型研究及应用

用改进粒子群优化算法对小波神经网络进行优化,从而提出改进粒子群算法优化小波神经网络模型(APSO-WNN)。该模型具有小波变换的良好时频局域化性质、良好时域和频域分辨能力及传统神经网络的自学习功能;同时用改进的粒子群优化法进行全局最优搜索,快速收敛到全局最优解,使其具有良好的逼近能力、容错能力和较强的鲁棒性。因此,该计算模型适合解决具有复杂非线性和模糊性特点的岩土工程问题。为证明该模型的优越性,同时将该计算模型与传统遗传算法神经网络用于三峡船闸高边坡4种介质弹性模量的位移反分析计算,结果表明不论是优化精度还是收敛时间,该算法都较遗传算法有明显提高。最后利用APSO-WNN反演的弹性模量参数进行测点位移预测,预测表明各个测点的计算位移值与监测值吻合较好,说明该模型在岩土工程位移反分析中具有良好的实际应用价值。