一种基于改进物理信息神经网络的耦合索杆索力预测方法

本发明公开了一种基于改进物理信息神经网络的耦合索杆索力预测方法，属于索力预测技术领域，包括以下步骤：推导物理信息，获取训练数据集；将物理信息融入损失函数，并通过自适应权重策略构建改进的物理信息神经网络索力预测模型；通过物理信息和数据损失双驱动优化训练神经网络模型，得到成熟的物理信息神经网络的索力预测模型并保存；在物理信息神经网络的索力预测模型中输入物理参数得到索力值。本发明将物理信息融入到深度学习网络中，实现小样本情况下实际工程中的准确识别，实现物理损失和数据损失的动态平衡，提升耦合索杆系统索力识别模型的稳定性和泛化性。本发明尤其适用于在样本数据不足的情况，精度更高，所需训练样本数量更少。