基于图神经网络的结构位移预测
机器学习
2026-05-12 v1 人工智能
摘要
准确预测结构在外部荷载下的位移是结构健康监测和地震安全评估的基本任务。虽然有限元方法（FEM）因其高精度而为主流方法，但其巨大的计算成本限制了其在实时监测应用中的适用性。为此，本研究提出一种基于图神经网络（GNN）的数据驱动框架，结构系统以图的形式表示，其中节点模型化为节点，结构成员模型化为边。通过将几何属性和机械属性纳入图表示，所提模型直接从仿真数据中学习荷载与结构响应之间的关系。使用 ANSYS 对两个层架构结构生成合成数据集，并对比训练常规神经网络（NN）和 GNN。结果表明，所提 GNN 框架能够以高精度预测位移和旋转，优于 NN 模型，展示了其作为传统 FEM 分析快速且高效替代方案的潜力。
引用
@article{arxiv.2605.08303,
title = {GNN for Structural Displacement Prediction},
author = {Hung-Fu Chang and Tzu-Kang Lin and Yung-Li Cheng},
journal= {arXiv preprint arXiv:2605.08303},
year = {2026}
}
备注
12 pages