物理信息神经网络在桩-土相互作用正分析与反分析中的应用
计算工程、金融与科学
2022-12-19 v1
摘要
本文给出了物理信息神经网络（PINNs）在桩-土相互作用问题正分析与反分析中的应用。人工神经网络（ANN）建模桩-土相互作用时遇到的主要挑战是材料性质存在突变，导致位移解的梯度出现较大不连续。因此，提出一种域分解多网络模型来处理桩-土区域及土层公共边界处应变场的不连续。展示了该模型在轴对称与平面应变条件下、针对嵌入均质及层状地层中单桩的分析与参数研究中的应用。特别研究了该模型在桩-土相互作用参数识别（反分析）中的性能。结果表明，通过使用 PINNs，沿桩长获取的局部数据——可能通过光纤应变传感获得——可成功用于层状地层中土体参数的反演。
引用
@article{arxiv.2212.08306,
title = {Application of Physics-Informed Neural Networks for Forward and Inverse Analysis of Pile-Soil Interaction},
author = {M. Vahab and B. Shahbodagh and E. Haghighat and N. Khalili},
journal= {arXiv preprint arXiv:2212.08306},
year = {2022}
}
备注
17 Pages, 12 Figures