LSTMとオートエンコーダニューラルネットワークによる土壌構造相互作用効果の非線形減次モデリング【JST・京大機械翻訳】

Simpson Thomas; Dervilis Nikolaos; Couturier Philippe; Maljaars Nico; Chatzi Eleni

プレプリント

J-GLOBAL ID：202202201511708931 整理番号：22P0298492

LSTMとオートエンコーダニューラルネットワークによる土壌構造相互作用効果の非線形減次モデリング【JST・京大機械翻訳】

Nonlinear Reduced Order Modelling of Soil Structure Interaction Effects via LSTM and Autoencoder Neural Networks

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年03月03日プレプリントサーバーでの情報更新日： 2022年03月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

構造健全性監視(SHM)の分野では,反復分析を必要とする逆問題は一般的である。非線形モデルの使用の増加とともに,非線形縮小次数モデリング技術の開発は,最も興味深い。かなりの研究興味の中で,入力と出力データを用いて非線形動的システムの挙動を近似できる柔軟でスケーラブルな機械学習法の利用である。風力タービン構造の文脈において,このような非線形システムの一つは,土壌構造相互作用(SSI)問題である。土壌は,その復元力に関して強い非線形挙動を示し,風力タービン構造の動的応答にかなり影響することが示された。本研究では,最近開発した非線形低減次数モデリング法の適用を示し,これは,海底レベルで現実的な負荷を受ける風車モノパイルの非線形土壌構造相互作用問題に対して,AutoencoderとLSTMニューラルネットワークを利用した。この方法論の精度と効率をAbaqusを用いて実行した全次数シミュレーションと比較した。ROMは,考察したシステムに対して,良好な忠実度と計算時間のかなりの低減を示した。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

ニューロコンピュータ , 構造動力学

, , , ,

前のページに戻る