基于GEP张量演化与神经系数分离的蠕变本构建模方法

本发明为一种基于GEP张量演化与神经系数分离的蠕变本构建模方法。包括以下步骤：进行蠕变实验，获取训练集和验证集；构建包含非线性函数集的基因表达式编程模型，定义初代种群模型；生成初代种群；对个体进行筛查替换，使得每个个体均具有迭代及物理系数，得到更新种群；基于训练集，设置神经网络学习率，定义损失函数，采用神经网络对更新种群中的物理系数进行优化，输出最优物理系数；基于验证集，根据个体最优物理系数进行均方差适应度评价，筛选出最优个体、对剩余个体进行操作然后进行筛查替换、进行迭代输出最优个体。本发明将张量演化运算、GEP以及神经解耦机制结合，为电子封装材料的跨尺度力学建模提供了新范式。