报告详情
基于深度学习的颗粒材料应力应变曲线预测
编号：63
访问权限：仅限参会人
更新：2024-04-09 22:26:52 浏览：558次
口头报告
报告开始：暂无开始时间（Asia/Shanghai）
报告时间：暂无持续时间
所在会场：[暂无会议] [暂无会议段]
暂无文件
摘要
准确预测颗粒材料应力应变曲线，对于构建颗粒材料宏细观参数间的关系至关重要。相较于传统的室内和数值模拟三轴试验方法，数据驱动的深度学习方法能够快速预测不同条件下颗粒材料的非线性行为。然而，由于颗粒材料的力学性质复杂，现有深度学习方法在预测颗粒材料的应力应变曲线时存在精度不足的问题。为解决这一问题，本文提出了一种长短期记忆自编码器（LSTM-AE）网络，用于预测颗粒材料的应力应变曲线。同时，将LSTM-AE网络与LSTM网络、循环神经网络（RNN）、BP神经网络（BPNN）和XGBoost模型进行了对比和分析。结果表明，LSTM-AE网络在颗粒材料的应力应变曲线预测方面优于其他四种方法，具有更高的预测精度。这一研究为解决颗粒材料应力应变曲线的预测精度问题提供了有价值的参考。
关键词
颗粒材料，离散元，深度学习，数据驱动，应力应变曲线
报告人
张新松
东华理工大学地球科学学院稿件作者
全部评论
重要日期
-
会议日期
05月31日
2024
至06月03日
2024
-
06月03日 2024
摘要截稿日期
-
06月03日 2024
初稿截稿日期
-
06月03日 2024
注册截止日期
主办单位
中国力学学会
计算力学专业委员会
颗粒材料计算力学专业组
计算力学专业委员会
颗粒材料计算力学专业组
承办单位
河海大学
大连理工大学
中国颗粒学会
江苏省力学学会
大连理工大学
中国颗粒学会
江苏省力学学会
联系方式
- 琪张
- sh******@chytey.com
- +86********
历届会议
-
2022年10月21日 中国 杭州市
第六届全国颗粒材料计算力学会议 -
2021年03月26日 中国 Wuhan
第五届全国颗粒材料计算力学会议 -
2018年07月06日 中国
第四届全国颗粒材料计算力学会议 -
2016年07月30日 中国 大连市
第三届全国颗粒材料计算力学会议 -
2014年08月22日 中国 兰州市
第二届全国颗粒材料计算力学大会
发表评论