Page 27 - 海河堤防建设及中小河流治理
P. 27
第一章 生态堤防建设发展
全系数为参考序列，对各影响因素的重要性程度给予量化，并从众多的影响因素
中找出主要的因素是坡比，黏聚力和内摩擦角等，从而有利于分析伦潭水利枢纽
工程的相关分析。蔡新等引进灰色理论，以堤基工程地质条件、河势稳定性、渗
透稳定性、滑动稳定性、堤防整体性和工程管理为基本要素，构建堤防安全风险
评价指标体系及堤防安全评价数学模型。将所建模型用于长江堤段，并对其进行
整体安全评价。堤防系统复杂，涉及范围较广，传统的模糊与灰色关联分析模型
难以满足多因素系统分析表现出的复杂性，将其与智能算法结合是进一步解决不
确定性系统建模的重要研究途径。
（三）人工神经网络分析方法
人工神经网络为模拟人大脑神经的某些机理与机制的一种网络，可通过传递
或转换函数实现单元输入与输出之间的非线性映射。作为一种新兴的、功能较强、
能逼近任何非线性系统特点的信息处理方法，目前大量应用于大坝的安全监测与
评价，同时由于人工神经网络存在训练时间长、学习效率低等一些局限性，很多
学者对其进行了改进。例如，苏怀智等基于遗传算法的思想，将神经网络学习的
含义拓展为拓扑结构和阈值，即空间结构和临界值的学习，为大坝安全形态提供
了有力的技术支持。陈伟同样建立了一种基于遗传算法和神经网络相结合的大坝
安全监测预报模型，这个模型在收敛速度、稳定性及预报精度上都有着明显的优
势。翁静君使用 L-M 算法对神经网络进行改进，解决了 BP（Back Propagation）
网络易于陷入局部最小的问题。
相比大坝而言，中国不同地域的堤防地质情况复杂，运行条件多变，受自然
和社会的不确定性因素影响众多，所以其应用于堤防系统安全评价的研究还较少。
张我华等通过分析管涌机理确定影响管涌的关键因素，在此基础上从影响堤防管
涌发生的诸多复杂因素中选出既便于测量、观测又对管涌有显著影响的九种因素
作为人工神经网络的输入，将管涌发生与否的判别预测指标作为输出，并建立改
进的 BP 神经网络模型判定管涌是否发生。结果表明预测判定的精度较高，是预
测判定管涌发生的有效方法。陈亮等基于 RBF 神经网络的原理，建立了堤防管
涌预测模型，能较好地描述堤防管涌的非线性特征。
同样，余功栓分析了堤坝管涌发生的过程和影响管涌发生的因素，提出一种
预测判定管涌发生可能性的机理模型，根据机理模型建立了管涌影响因素与管涌
发生指标之间的映射关系。
·19·
