基于物理信息神经网络的混凝土制造过程优化
机器学习
2024-08-31 v2
摘要
混凝土制造项目是咨询公司最常见的项目之一。由于输入材料（如粉煤灰、水、水泥、减水剂等）与混凝土抗压强度之间的高度非线性依赖关系，机器学习模型很难成功捕获此关系并执行成本优化。本文强调了物理信息神经网络（PINN）在此情境中的作用。该最先进模型还将与传统模型（如线性回归、随机森林、梯度提升和深度神经网络）进行比较。研究结果表明，PINN 即使在数据量减少 40% 的情况下，仍能实现损失值降低 26.3%。除了预测给定原材料数量下的混凝土强度外，本文还强调了使用启发式优化方法（如粒子群优化，PSO）来预测制造给定强度混凝土所需的原材料数量并实现最低成本。
引用
@article{arxiv.2408.14502,
title = {Physics-Informed Neural Network for Concrete Manufacturing Process Optimization},
author = {Sam Varghese and Rahul Anand and Gaurav Paliwal},
journal= {arXiv preprint arXiv:2408.14502},
year = {2024}
}