无网格动力分析的循环卷积神经网络代理模型

摘要

在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列信息传递模式之间的本征联系,构建了与无网格法相匹配的循环卷积神经网络设计方法,进而提出了一种无网格动力分析的循环卷积神经网络代理模型.该模型充分融合了无网格离散模型节点布置灵活的优点,同时无网格法能够提供具有泛化特征的高精度数值样本,增强循环卷积神经网络的泛化性和适用性.此外,循环卷积神经网络代理模型特有的循环模块历史记忆特性使其可以有效地处理序列信息,在保证精度的前提下加速无网格动力分析计算过程.文中通过系列算例验证了所提出的无网格动力分析的循环卷积神经网络代理模型的精度和效率.