［1］ 张社荣，何 辉． 改进的遗传算法在堆石体参数反演中的应用 ［J］． 岩土力学，2005，26( 2) : 182－186． 

［2］ 周 伟，徐 干，常晓林，等． 堆石体流变本构模型参数的智能反 演［J］． 水利学报，2007，38( 4) : 389－394． ［3］ 迟世春，朱 叶． 面板堆石坝瞬时变形和流变变形参数的联合反 演［J］． 水利学报，2016，47( 1) : 18－27． 

［4］ 杨 荷，周 伟，马 刚，等． 基于响应面法的高堆石坝瞬变－流 变参数反演方法［J］． 岩土力学，2016，37( 6) : 1 697－1 705． 

［5］ 李少林，周 伟，马 刚，等． 基于改进遗传交叉算子的高心墙堆 石坝参数反演［J］． 中南大学学报( 自然科学版) ，2016，47( 8) : 2 730－2 737． 

［6］ 温少雄，周 伟，李少林，等． 基于 NSGA－Ⅱ算法的堆石坝多目 标参数反演方法［J］． 水力发电学报，2017，36( 1) : 86－95． 

［7］ MA G，ZHOU W，CHANG X． A novel particle swarm optimization algorithm based on particle migration［J］． Applied Mathematics ＆ Computation，2012，218( 11) : 6 620－6 626． 

［8］ Zhou W，Li S L，Ma G，et al． Parameters inversion of high central core rockfill dams based on a novel genetic algorithm［J］． 中国科学: 技术科学，2016，59( 5) : 783－794． 

［9］ 常晓林，喻胜春，马 刚，等． 基于粒子迁徙的粒群优化算法及其 在岩土工程中的应用［J］． 岩土力学，2011，32( 4) : 1 077－1 082． 

［10］ 沈珠江，赵魁芝． 堆石坝流变变形的反馈分析［J］． 水利学报， 1998，29( 6) : 1－6． 

［11］ 王观琪，余 挺，李永红，等． 300 m 级高土石心墙坝流变特性 研究［J］． 岩土工程学报，2014，36( 1) : 140－145． 

［12］ 程展林，丁红顺． 堆石料蠕变特性试验研究［J］．岩土工程学报， 2004，26( 4) : 473－476． 

［13］ 马 刚，常晓林，周伟，等． 高堆石坝瞬变－流变参数三维全过 程联合反演方法及变形预测［J］． 岩土力学，2012，33( 6) : 1 889 －1 895． 

［14］ 牟声远，王正中． 堆石料邓肯张模型的参数敏感性与统计分析 ［J］． 中国农村水利水电，2009，4( 3) : 97－100.

［15］ 李炎隆，李守义，丁占峰，等． 基于正交试验法的邓肯－张 模型 参数敏感性分析研究［J］． 水利学报，2013，44( 7) : 873－879． 

［16］ 王瑞骏，李 阳，丁占峰． 堆石料流变模型参数敏感性分析的正 交试验法［J］． 水利学报，2016，47( 2) : 245－252． 

［17］ 康 飞，李俊杰，许青． 堆石坝参数反演的蚁群聚类 网络模型 ［J］． 岩石力学与工程学报，2009，28( s2) : 3 639－3 644． 

［18］ 蔡 毅，邢 岩，胡 丹． 敏感性分析综述［J］． 北京师范大学 学报( 自然科学版) ，2008，44( 1) : 9－16． 

［19］ 赵 斌，吴中如，张爱玲． BP 模型在大坝安全监测预报中的应 用［J］． 大坝观测与土工测试，1999，23( 6) : 1－4． 

［20］ 罗 丹，李昌彩，吴长彬． 基于微粒群－BP 神经网络算法的堆 石坝坝体变形监控模型研究［J］． 岩石力学与工程学报，2012， 31( z1) : 2 926－2 931． 

［21］ 练继建，王春涛，赵寿昌． 基于 BP 神经网络的李家峡拱坝材料 参数反演［J］． 水力发电学报，2004，23( 2) : 44－48． 

［22］ 李澄清，刘天为，张海洋，等． 基于 BP 神经网络的土体细观力 学参数反演分析［J］． 工程地质学报，2015，23( 4) : 609－615． 

［23］ 周建春，魏 琴，刘光栋．． 采用 BP 神经网络反演隧道围岩力学 参数［J］． 岩石力学与工程学报，2004，23( 6) : 941－941．

［24］ 程 壮，陈 星，董艳华，等． 基于 BP 神经网络的堆石坝参数 二次反演与变形预测［J］． 长江科学院院报，2012，29( 8) : 112－ 117． 

［25］ 梅交凡．．基于 BP 神经网络的面板堆石坝参数反演分析［J］． 南 昌工程学院学报，2014，33( 3) : 18－20． ［26］ OLDEN J D，JACKSON D A． Illuminating the“black box”: a randomization approach for understanding variable contributions in artificial neural networks［J］． Ecological Modelling，2002，154( 1－ 2) :135－150． 

［27］ OLDEN J D，JOY M K，Death Ｒ G． An accurate comparison of methods for quantifying variable importance in artificial neural networks using simulated data［J］． Ecological Modelling，2004，178( 3－ 4) : 389－397． 

［28］ 顾永明，张国华． 面板堆石坝演化人工神经网络反演分析模型 研究［J］． 西北水电，2007，( 2) : 66－69． 

［29］ 王建梅，覃文忠． 基于 L－M 算法的 BP 神经网络分类器［J］． 武 汉大学学报( 信息科学版) ，2005，30( 10) : 928－931．