閘底板作為閘室結(jié)構(gòu)的基礎(chǔ),其結(jié)構(gòu)安全決定了水閘工程整體的安全和穩(wěn)定。砂礫石地基上的閘底板彎矩預(yù)測是設(shè)計階段的重要內(nèi)容,目前主要通過材料力學法、結(jié)構(gòu)力學法和有限元法計算得到,其中前兩種方法無法考慮接觸效應(yīng),存在應(yīng)用局限性,有限元法計算量及前期準備工作量大,且過程相對復(fù)雜。為了給初設(shè)階段水閘設(shè)計參數(shù)的確定提供簡捷算法,加快設(shè)計進度,以某水閘工程為例,基于ABAQUS有限元分析的計算結(jié)果,在Tensorflow平臺上建立了多層全連接神經(jīng)網(wǎng)絡(luò)預(yù)測模型。結(jié)果表明,該模型的預(yù)測精度達91.71%,與實際值較吻合。 

【文章來源】：水電能源科學. 2020,38(12)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

水閘有限元模型

圖1 水閘有限元模型對預(yù)測模型而言，若樣本數(shù)量過大，可能會影響模型收斂速度，削弱模型的泛化能力，但若訓練樣本數(shù)據(jù)量偏少，模型的預(yù)測精度會降低，因此選取的訓練樣本數(shù)據(jù)量要適當，要既不影響模型的性能，又可以反映數(shù)據(jù)之間的規(guī)律性。通過有限元計算結(jié)果可知，底板中心彎矩與底板厚度、閘孔寬度、砂礫石地基厚度均呈非線性關(guān)系，可選取3個參數(shù)參與預(yù)測模型的訓練；底板中心彎矩與閘墩高度呈線性關(guān)系，可選取1個參數(shù)參與模型的訓練。在實際工程中，因水閘荷載不大，水閘實際采用的底板厚度范圍為1.5～2.5 m；閘孔一般采用8 m以上的孔徑，目前國內(nèi)最大的孔徑為30m；閘墩高度參數(shù)的選取主要與水位高度有關(guān)，在已建成的大型水閘中，閘墩高度大多在10 m左右。另外，平原上砂礫石地基的厚度一般小于30m。據(jù)此，底板厚度、閘孔寬度、閘墩高度、砂礫石厚度的取值范圍分別為1.5～2.5、8～16、10～20、10～20m。

全連接神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果見表3，對該預(yù)測結(jié)果回歸分析，結(jié)果表明該模型的平均絕對百分比誤差為8.29%，預(yù)測精度達到91.71%，將表3中數(shù)據(jù)繪制成圖4，由圖4可看出該模型的擬合效果較好。4 結(jié)論

【參考文獻】：
期刊論文
[1]深度學習相關(guān)研究綜述[J]. 張軍陽,王慧麗,郭陽,扈嘯.  計算機應(yīng)用研究. 2018(07)
[2]大斷面軟弱地層隧道施工圍巖變形試驗及預(yù)測[J]. 蘇道振,駱建軍.  巖石力學與工程學報. 2016(S2)
[3]深度學習的昨天、今天和明天[J]. 余凱,賈磊,陳雨強,徐偉.  計算機研究與發(fā)展. 2013(09)
[4]基于RBF神經(jīng)網(wǎng)絡(luò)的水閘垂直位移時間序列預(yù)測模型[J]. 曹欣榮,樓章華,孫宏巍.  三峽大學學報(自然科學版). 2010(05)

碩士論文
[1]利用COStream實現(xiàn)全連接和卷積神經(jīng)網(wǎng)絡(luò)的并行計算[D]. 王兆吉.華中科技大學 2019
[2]全連接神經(jīng)網(wǎng)絡(luò)在FPGA上的實現(xiàn)與優(yōu)化[D]. 周鑫.中國科學技術(shù)大學 2018



本文編號：3134776