物理驱动机器学习在土木工程中的综述
机器学习
2024-09-04 v2 人工智能
摘要
机器学习（ML）和深度学习（DL）的最近发展增加了各领域的机会。ML 是一种可应用于许多学科的重要工具，但其直接应用于土木工程问题可能具有挑战性。在实验室中模拟的土木工程应用 ML 往往在真实世界测试中失败。这通常归因于用于训练和测试 ML 模型的数据与其在真实世界中遇到的数据之间的数据失配，这种现象称为数据偏移（data shift）。然而，物理驱动 ML 模型整合数据、偏微分方程（PDEs）和数学模型来解决数据偏移问题。物理驱动 ML 模型被训练为在遵循由一般非线性方程描述的任何给定物理定律的同时解决监督学习任务。物理驱动 ML 在许多科学学科中占据中心地位，在流体动力学、量子力学、计算资源和数据存储中发挥重要作用。本文综述了物理驱动 ML 的历史及其在土木工程中的应用。
引用
@article{arxiv.2110.04600,
title = {A Review of Physics-based Machine Learning in Civil Engineering},
author = {Shashank Reddy Vadyala and Sai Nethra Betgeri1 and John C. Matthews and Elizabeth Matthews},
journal= {arXiv preprint arXiv:2110.04600},
year = {2024}
}