|
|
|
|
橋梁模板力學(xué)特性的經(jīng)驗(yàn)規(guī)律總結(jié) |
綜上,本文旨在解決基于經(jīng)驗(yàn)的橋梁模板定性規(guī)律的數(shù)學(xué)表征和經(jīng)驗(yàn)知識(shí)監(jiān)督的神經(jīng)網(wǎng)絡(luò)(KGNN)訓(xùn)練兩個(gè)問題。為此,本文首先建立了包含761組橋梁模板擬靜力試驗(yàn)的標(biāo)準(zhǔn)數(shù)據(jù)庫;然后,總結(jié)了橋梁模板力學(xué)特性的經(jīng)驗(yàn)規(guī)律,并提出了數(shù)學(xué)表征方法;最后,建立了經(jīng)驗(yàn)知識(shí)監(jiān)督的神經(jīng)網(wǎng)絡(luò)模型,經(jīng)過驗(yàn)證,該模型可以快速、準(zhǔn)確評(píng)估橋梁模板力學(xué)特性。本研究將強(qiáng)化機(jī)器學(xué)習(xí)方法的理論基礎(chǔ),為促進(jìn)數(shù)物融合方法在土木工程領(lǐng)域的創(chuàng)新應(yīng)用奠定基礎(chǔ)。經(jīng)驗(yàn)知識(shí)監(jiān)督的神經(jīng)網(wǎng)絡(luò)典型人工神經(jīng)網(wǎng)絡(luò)(ANN)模型主要由輸入層、隱含層和輸出層組成,每層包含多個(gè)與相鄰層連接的神經(jīng)元,通過網(wǎng)絡(luò)連接和I值建立輸入與輸出的映射關(guān)系A(chǔ)NN的學(xué)習(xí)過程是根據(jù)學(xué)習(xí)規(guī)則(如最速下降法)對(duì)模型輸出與實(shí)際值之間的誤差進(jìn)行分析,不斷調(diào)整網(wǎng)絡(luò)各層之間連接權(quán)重和I值,從而使網(wǎng)絡(luò)的損失函數(shù)(如誤差平方和)最小的過程因此,ANN算法可能訓(xùn)練出多個(gè)分析效果相似的模型。此外,純數(shù)據(jù)驅(qū)動(dòng)的ANN無法甄別數(shù)據(jù)中存在的誤差,而且在訓(xùn)練樣本誤差存在不均勻分布的情況下可能致使訓(xùn)練模型過擬合。因此,純數(shù)據(jù)驅(qū)動(dòng)的ANN模型的性能并不是衡量墩柱性能分析模型有效性的唯一標(biāo)準(zhǔn),還需要引入領(lǐng)域經(jīng)驗(yàn)知識(shí)監(jiān)督ANN練過程。 根據(jù)機(jī)器學(xué)習(xí)模型架構(gòu)和訓(xùn)練過程,領(lǐng)域知識(shí)可以通過5種方式與其融合:1)基于領(lǐng)域知識(shí)的模型預(yù)訓(xùn)練、初始化或正則化;2)明確部分或全部節(jié)點(diǎn)之間的物理或經(jīng)驗(yàn)關(guān)系;3)根據(jù)領(lǐng)域知識(shí)限制搜索策略或連接權(quán)重范圍;4)將領(lǐng)域知識(shí)融入損失函數(shù);5)將理論或半經(jīng)驗(yàn)?zāi)P腿谌階NN輸入層和輸出層。以上方法均需明確領(lǐng)域知識(shí)的數(shù)學(xué)表征,然而,由于鋼筋和混凝土材料性能的復(fù)雜性,許多橋梁模板特征對(duì)其力學(xué)性能的經(jīng)驗(yàn)影響規(guī)律是定性的,難以直接用數(shù)學(xué)公式定量表征。例如:橋梁模板承載力隨縱筋配筋率的增大而增大,但具體數(shù)學(xué)表征公式往往基于根據(jù)專家經(jīng)驗(yàn)作出的假設(shè),存在一定的主觀性偏差,無法直接嵌入ANN架構(gòu)。 因此,本文提出了經(jīng)驗(yàn)知識(shí)監(jiān)督神經(jīng)網(wǎng)絡(luò)的KGNN方法,其主要架構(gòu)如圖1所示。該方法通過在損失函數(shù)之前引入經(jīng)驗(yàn)知識(shí)監(jiān)督層,來監(jiān)督其訓(xùn)練過程。建立墩柱力學(xué)性能KGNN分析模型的過程主要包括3個(gè)部分。http://m.hengdong8.cn/ |
上一篇:墩柱橋梁模板預(yù)制拼裝質(zhì)量控制要點(diǎn) 下一篇:RC墩柱橋梁模板特征與試驗(yàn)力學(xué)特性 |
|
| | |
|