基于影响区域的连续梁系统结构设计模型的机器学习

本工作从逆问题视角开发了用于连续梁系统的结构设计模型的机器学习方法。在划分forward、optimisation和逆机器学习算子后，研究提出了一种基于最近发展的影响区域概念的新方法，这表示与传统结构设计方法相比方法论的根本性转变。这种方法的目的是概念化一个非迭代的结构设计模型，用于预测任意系统规模的连续梁系统的横截面要求。在生成已知解的数据集后，识别了合适的神经网络架构，对其进行训练和测试，并针对不可见数据进行测试。结果显示，横截面属性预测的平均绝对百分比测试误差为1.6%，并且神经网络对结构系统具有良好的推广能力，可变尺寸的系统。本工作生成的CBeamXP数据集以及相关的python基于神经网络训练脚本均可在开源数据存储库中获取，以便实现结果的可重复性并鼓励进一步的研究。