On Neural Network Constitutive Models for Geomaterials
To περιοδικό “Journal of Civil Engineering Research”, δημοσιεύει τα αποτελέσματα της έρευνας των Drakos Stefanos & Pande Gyan, με τίτλο “ On Neural Network Constitutive Models for Geomaterials”, που αφορά στην ανάπτυξη θεωρίας καταστατικών νόμων τεχνητής νοημοσύνης.
Περιγράφεται πως ένας «κατάλληλος» καταστατικός νόμος μέσα σε ένα πρόγραμμα πεπερασμένων στοιχείων, μπορεί να αποτελέσει το κλειδί για την επιτυχή πρόβλεψη της συμπεριφοράς γεωτεχνικών κατασκευών. Προκειμένου να συλλάβουμε την πραγματική συμπεριφορά των γεωυλικών, πρέπει να διαθέτουμε έναν ιδιαίτερα σύνθετο καταστατικό νόμο με μεγάλο αριθμό παραμέτρων, που πολλές φορές δεν έχει και φυσική σημασία.
Η συγκεκριμένη εργασία περιλαμβάνει μεθοδολογία μετατροπής ενός σύνθετου καταστατικού νόμου γεωυλικών σε καταστατικό νόμο νευρωνικών δικτύων και ενσωμάτωση του σε κώδικα πεπερασμένων στοιχείων. Το μήκος της τροχιάς των παραμορφώσεων που εκφράζει την ιστορία φόρτισης του υλικού χρησιμοποιείται σαν πρόσθετο δεδομένο για την εκπαίδευση του νευρωνικού δικτύου.
Κατά την παρουσίαση, αναπτύχθηκαν δύο καταστατικοί νόμοι νευρωνικών δικτύων βασισμένοι στους καταστατικούς νόμους «Hardening Soil Model» που είναι διαθέσιμοι μέσα από τον κώδικα PLAXIS, και του καταστατικού νόμου «Two-surface deviatoric hardening model in the multilaminate framework», που αναπτύχθηκε από τους Lee και Pande (2004). Το πλεονέκτημα της μεθόδου είναι η ακριβή προσομοίωση της συμπεριφορά των γεωυλικών, χωρίς την απαίτηση υπολογισμού παραμέτρων και ο άμεσος υπολογισμός ενός προβλήματος, δίχως την ανάγκη επαναληπτικών μεθόδων.
Διαβάστε το σύνολο των αποτελεσμάτων της έρευνας στο κάτωθι link: