一种基于多保真神经网络代理模型的结构易损性评估方法

一种基于多保真神经网络代理模型的结构易损性评估方法，涉及结构分析技术领域，解决了传统结构易损性评估中高精度物理试验成本过高与纯数值模拟精度不足的问题。包括：首先通过数值模拟获取结构响应的低保真度数据；其次采用拉丁超立方‑正交设计采样方法获取参数样本，并利用混合试验的高精度优势获取结构响应的高保真度数据。随后结合数值模拟的低廉、高效的优势以及CNN‑LSTM神经网络的强大非线性拟合能力，构建神经网络低保真度模型。最终通过混合试验高保真数据对低保真模型进行修正，建立神经网络多保真度模型。本发明通过多保真建模，显著缩减混合试验成本，提高了易损性评估的精度。