基于蒙特卡罗和深度学习的有限元模型响应预测方法

本发明属于模型修正及响应预测技术领域，具体涉及一种基于蒙特卡罗和深度学习的有限元模型响应预测方法；利用蒙特卡罗方法对结构参数进行随机抽取，首先利用有限元仿真软件得到初步的结构响应；再利用结构参数和结构响应分别作为训练神经网络的输入和输出，接着利用试验响应结果作为额外的网络训练样本来优化响应预测网络和模型修正网络，最终得到满足精度要求的神经网络用于准确预测结构的响应。本发明得到的最终的响应预测网络和模型修正网络可以在有限元仿真分析和试验响应两者的共同优化下，得到较为准确的响应预测网络和模型修正网络，利用深度学习方法对结构模型中的某些不确定因素考虑进来，使得响应结果更加准确；本发明所提出的方法在结构模型修正和响应预测方面应用前景广阔。