摘要
本发明属于岩石冻融损伤预测技术领域,涉及一种基于物理约束的深度学习岩石冻融损伤预测方法,用于提升岩石冻融损伤预测模型的物理一致性与预测精度;本方法在数据驱动的深度学习模型中引入物理约束公式,并利用自适应权重策略实现数据拟合与物理合理性的有机统一。预测方法包括数据采集,生成数据集,网络构建,物理约束机制公式设计,根据岩石冻融实验观察,或者理论公式推导,设计反映各项物理性能演变的公式,模型训练,预测输出。本发明基于物理约束的深度学习岩石冻融损伤预测方法具有泛化能力显著提升,物理连续性和一致性更强,多参数和多源数据综合应用,分阶段自适应训练策略,成本和资源节约,操作简便与便于应用推广的优势。
技术关键词
损伤预测方法
物理
指数加权移动平均值
参数
生成数据集
饱和度
损伤预测技术
定义方法
初始弹性模量
冻融循环次数
高维向量空间
岩石抗压强度
指标
误差
单轴抗压强度
多头注意力机制
矩阵
神经网络训练
系统为您推荐了相关专利信息
资产
数据采集模块
计算机可执行指令
分类服务
企业
投影特征
图像检测模型
图像检测方法
图像检测设备
标签
分布式签名
分布式密钥
审计方法
对称加密算法
私钥
全局布局方法
静态时序分析
芯片
网络
灵敏度参数