物理信息神经网络在桩土相互作用的正向和反向分析中的应用
摘要：基于物理约束神经网络（PINNs）的桩-土互作用问题的前向和反向分析应用被提出。人工神经网络（ANN）建模桩-土互作用的主要挑战是材料性质的突变，导致位移解的梯度出现大的不连续性。因此，提出了一个基于域分解多网络模型来处理桩-土区域和土层在共同边界处应变场的不连续性。展示了将该模型应用于均质和分层地层中单桩分析和参数研究的情况，包括轴对称和平面应变条件。特别研究了该模型在桩-土互作用参数识别（反向分析）中的性能。结果表明，通过使用PINNs，沿桩长度获得的局部数据（可能通过光纤应变传感获得）可以成功用于反演分层地层中的土壤参数。
作者：M. Vahab, B. Shahbodagh, E. Haghighat, N. Khalili
论文ID：2212.08306
分类：Computational Engineering, Finance, and Science
分类简称：cs.CE
提交时间：2022-12-19