-
公开(公告)号：CN118820943A
公开(公告)日：2024-10-22
申请号：CN202410843033.6
申请日：2024-06-27
Applicant: 哈尔滨工业大学
IPC: G06F18/2415 , G06F18/2135 , G06F18/213 , G06Q50/26
Abstract: 本发明涉及地震学领域，尤其是一种地震动随机模拟时域非平稳性改进方法，包括如下步骤：(1)提取特征地震动；(2)计算目标傅里叶幅值谱；(3)计算目标波形参数；(4)生成目标地震动相位谱；(5)计算最终地震动。本发明基于随机模拟方法与地震动波形参数统计规律，提出一种地震动随机模拟时域非平稳性改进方法，建立了包含地震动波形参数的目标函数，利用多目标遗传算法获得更加合理的相位谱，使用本发明的模拟结果与真实记录的波形更加吻合。本发明能够解决随机模拟方法对于模拟地震动时域非平稳性表达不足的缺陷。
-
-
公开(公告)号：CN115099523A
公开(公告)日：2022-09-23
申请号：CN202210861947.6
申请日：2022-07-20
Applicant: 哈尔滨工业大学
Abstract: 基于人工智能与地震动经验模型混合的地震动参数预测方法，本发明是为了解决现有方法无法同时保留预测精度与衰减关系的物理意义的问题。地震动参数预测方法：一、选择地震动衰减关系的传统经验公式，确定该传统经验公式中的运算形式、输入参数项、输出参数项和未知系数；二、建立地震动数据集；三、建立结合传统经验公式的神经网络；四、利用神经网络结合地震动数据集进行网络训练，通过神经网络的反向传播，计算未知系数的梯度，通过不断迭代训练，使得损失函数不断减小，得到最优系数的训练结果。五、地震动参数预测。本发明地震动参数预测方法包含经验模型，鲁棒性更好。为结构抗震设计、地震危险性分析，提供了有效的依据。
-
公开(公告)号：CN115081274A
公开(公告)日：2022-09-20
申请号：CN202210656375.8
申请日：2022-06-10
Applicant: 哈尔滨工业大学
Abstract: 基于循环神经网络的无网格三维地震波场的建立方法，本发明为了解决传统三维地震波场建模方法耗时且无法计算非网格点处物理量的问题。无网格三维地震波场的建立方法：一、建立控制方程；二、确定差分格式和边界条件；三、矩张量源信息作为网络的输入，建立循环卷积神经网络；四、基于泰勒展开的原理，利用循环卷积神经网络计算得到的网格点上应力值线性组合近似表示，根据该网格点在空间中与相邻网格点的相对位置，推导加权系数矩阵得到任意非网格点处的加速度值，再进行积分滤波得到速度值。本发明建立了三维有限差分和RCNN结构之间的本征联系，在网格点上具有和同等尺寸网格有限差分解同等的精度，且计算耗时更短。
-
公开(公告)号：CN114966840A
公开(公告)日：2022-08-30
申请号：CN202210571505.8
申请日：2022-05-24
Applicant: 哈尔滨工业大学
Abstract: 基于通解神经网络的三维地震波场的模型建立方法，它为了解决传统物理信息神经网络无法求解三维波动方程的问题。三维地震波场建模方法：一、建立各向同性介质中三维地震波动方程；二、推导方程通解；三、确定求解域与数据点数量；四、建立包含4个子网络的全连接层神经网络分别表征f，g1，g2，g3，每个子网络包含10个隐藏层；五、损失函数设计；六、以损失函数为目标函数进行网络的训练，采用Adam自适应优化函数算法进行训练。本发明推导了三维波动方程的通解形式，以方程通解的宗量为输入建立神经网络，提出一种基于通解神经网络的三维地震波场建模，使得网络输出自动满足三维波动方程，大大减小了网络对于残差点的依赖。
-
Patent Agency Ranking
公开(公告)号：CN111257934B
公开(公告)日：2022-03-11
申请号：CN202010053228.2
申请日：2020-01-17
Applicant: 哈尔滨工业大学
Abstract: 基于二阶神经元深度神经网络的地震动峰值加速度预测方法，本发明属于地震工程领域，它为了解决地震动预测的精度低的技术问题。地震动峰值加速度预测方法：一、在数据集中挑选出震级、投影距、剪切波速、地区、覆盖层厚度、断层类型和周期作为输入参数，相对应的地震动峰值加速度为目标参数；二、建立包含三个隐藏层的深度神经网络，神经元均为二阶元，采用双曲正切函数为激活函数，采用均方误差函数和Adam自适应优化函数进行反向传播，以平均绝对误差函数为评价函数；三、深度神经网络模型训练；四、峰值加速度预测。本发明采用一个多输入结构、二阶神经元网络，既能提高预测地震动峰值加速度的精度，又能保证深度神经网络模型的适用性。
-
公开(公告)号：CN119578251A
公开(公告)日：2025-03-07
申请号：CN202411772677.7
申请日：2024-12-04
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/13 , G06F17/16 , G06F17/18 , G06F17/11 , G06F18/214 , G06N3/048 , G06N3/08 , G06F111/04 , G06F119/14
Abstract: 本发明涉及一种基于物理一致神经网络的结构损伤系统识别方法，解决了当前基于物理的系统识别方法存在的泛化性能有限以及对局部损失不敏感的困境。步骤包括：一、收集目标建筑信息以及监测数据；二、建立物理一致神经网络；三、构建网络训练数据集；四、开展物理一致神经网络训练；五、获取反演的结构参数。本发明利用了Timoshenko梁理论和神经网络原理之间的相似性，搭建了物理一致神经网络，网络中每个参数均具有严格的物理意义，极大地增强了网络的可解释性和泛化性能；同时在损失函数中添加了先验知识约束，明显降低了反演的不确定性和难度。
-
公开(公告)号：CN117272731A
公开(公告)日：2023-12-22
申请号：CN202311215116.2
申请日：2023-09-20
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G01V1/00 , G06F30/27 , G06N3/0464 , G06F17/15 , G06F119/14 , G06F119/12 , G06T17/20
Abstract: 基于卷积核分解‑Winograd快速卷积算法的地震波场模拟方法，本发明为了解决大规模地震波场模拟中卷积运算效率低的问题。地震波场高效模拟方法：一、建立空间差分和卷积的本征联系；二、建立F(3,2)卷积的Winograd加速形式；三、构建地震波场，对于任意长度的速度场或应力场p与卷积核q，先将p分解成若干子块，使得每一子块的长度能与卷积核q组成大小为F(3,j)的卷积过程；四、卷积核分块并应用F(3,2)卷积加速形式；五、对速度或应力场p的所有子块结果进行合并，得到速度或应力场的差分场。本发明推导出F(3,2)卷积过程的加速形式，能够将大尺寸的卷积核分解至F(3,2)基本单元进行加速。
-
公开(公告)号：CN114966840B
公开(公告)日：2023-04-07
申请号：CN202210571505.8
申请日：2022-05-24
Applicant: 哈尔滨工业大学
Abstract: 基于通解神经网络的三维地震波场的模型建立方法，它为了解决传统物理信息神经网络无法求解三维波动方程的问题。三维地震波场建模方法：一、建立各向同性介质中三维地震波动方程；二、推导方程通解；三、确定求解域与数据点数量；四、建立包含4个子网络的全连接层神经网络分别表征f，g1，g2，g3，每个子网络包含10个隐藏层；五、损失函数设计；六、以损失函数为目标函数进行网络的训练，采用Adam自适应优化函数算法进行训练。本发明推导了三维波动方程的通解形式，以方程通解的宗量为输入建立神经网络，提出一种基于通解神经网络的三维地震波场建模，使得网络输出自动满足三维波动方程，大大减小了网络对于残差点的依赖。
-
公开(公告)号：CN113468466B
公开(公告)日：2022-04-15
申请号：CN202110837611.1
申请日：2021-07-23
Applicant: 哈尔滨工业大学
Abstract: 基于神经网络的多工况一维波动方程求解方法，本发明属于地震工程领域，它为了解决神经网络求解不同工况下的一维波动方程耗时费力的问题。一维波动方程求解方法：一、选择一维波动方程作为待求解的方程；二、确定输入变量的求解域与残差点数量；三、建立包含6个隐藏层的全连接层神经网络；四、设计特定的损失函数；五、神经网络的预训练及精细化训练。本发明将波速作为输入，提出一种基于神经网络的一维波动方程求解方法，使得模型能学习到不同工况对于方程解的影响，在保持高求解精度的前提下，泛定方程与应力条件的加入也增加了求解方法的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.031 seconds)
