[發(fā)明專利]基于LHS的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法

在審

• 申請?zhí)枺?/td>: 201911281215.4
• 申請日: 2019-12-11
• 公開（公告）號: CN111159935A
• 公開（公告）日: 2020-05-15
• 發(fā)明（設(shè)計）人: 錢建固;徐巍;吳安海
• 申請（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F30/13;G06N3/04;G06F119/14
• 代理公司: 上海科律專利代理事務(wù)所(特殊普通合伙) 31290
• 代理人: 葉鳳

1.基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述方法步驟如下：

(1)建立有限元模型；

(2)參數(shù)敏感度分析；

(3)確定待標(biāo)定參數(shù)及其范圍；

(4)LHS抽樣；

(5)建立訓(xùn)練集和驗證集；

(6)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；

(7)驗證BP神經(jīng)網(wǎng)絡(luò)，若不通過，則調(diào)整神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并繼續(xù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)；

(8)根據(jù)監(jiān)測數(shù)據(jù)，利用訓(xùn)練完畢的BP神經(jīng)網(wǎng)絡(luò)，進(jìn)行土體力學(xué)參數(shù)的標(biāo)定。

2.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(1)中，建立對應(yīng)工程類型的有限元模型。

3.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(2)中，采用composite scaled sensitivity(CSS)指標(biāo)評價參數(shù)的敏感度。

4.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(3)中，選取步驟(2)中敏感度大的參數(shù)作為待標(biāo)定的參數(shù)，并根據(jù)當(dāng)?shù)氐牡乜辟Y料大致確定參數(shù)的范圍。

5.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(4)中，所述LHS抽樣使用MATLAB自帶函數(shù)lhsdesign()實現(xiàn)。

6.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(6)中，采用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱建立BP神經(jīng)網(wǎng)絡(luò)，輸入向量為監(jiān)測的物理量，輸出向量為土體力學(xué)參數(shù)，輸入輸出向量均采用MATLAB自帶函數(shù)mapminmax()進(jìn)行歸一化；訓(xùn)練神經(jīng)網(wǎng)絡(luò)前需先確定學(xué)習(xí)率、最大訓(xùn)練次數(shù)、訓(xùn)練誤差和訓(xùn)練算法。

7.根據(jù)權(quán)利要求1所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述步驟(7)中，當(dāng)測試樣本達(dá)到相應(yīng)的準(zhǔn)確率，神經(jīng)網(wǎng)絡(luò)訓(xùn)練完畢，可以用于參數(shù)標(biāo)定。

8.根據(jù)權(quán)利要求2所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，采用通用有限元軟件ABAQUS建立對應(yīng)工程類型的有限元模型。

9.權(quán)利要求6所述的基于Latin hypercube sampling(LHS)的BP神經(jīng)網(wǎng)絡(luò)參數(shù)標(biāo)定方法，其特征在于，所述訓(xùn)練算法采用的是LM(Levenberg-Marquardt)法。