随机结构蒙特卡洛模拟分析中的人工神经网络应用
在随机结构分析中,采用大量随机数值样本进行模拟分析的蒙特卡洛方法,可为多种不同结构类型的非确定性问题提供最为直观和精确的解答,但计算量大、效率低下的缺点大大降低了方法的实用性.为了提高蒙特卡洛模拟分析的计算效率,有研究采用重要性抽样原理以减少模拟分析的样本数目,也有研究采用Neumann展开方法以减少模拟分析中涉及的费时的矩阵求逆运算,但计算效率的提高幅度不甚明显.本文研究利用人工神经网络这一映射迅速的智能运算工具,将其嵌入蒙特卡洛模拟分析中,通过少量确定性有限元分析结果的训练,建立起人工神经网络对确定性有限元求解器的近似模拟,继而由人工神经网络的快速泛化映射取代蒙特卡洛模拟中的费时的大量确定性有限元分析.在文后平板算例的弯曲分析中,该蒙特卡洛-人工神经网络法可将蒙特卡洛模拟分析的计算效率提高几十倍,计算精度令人满意,显示了一定的应用潜力.
高性能计算 随机有限元 蒙特卡洛 人工神经网络 随机结构
陈太聪 韩大建
华南理工大学土木工程系(广州)
国内会议
北京
中文
593-599
2003-10-01（万方平台首次上网日期，不代表论文的发表时间）