基于无网格—图论方法的岩体边坡稳定性分析研究

将无网格伽辽金法应用于岩体边坡稳定性分析,发展了基于无网格模型和有向加权图Bellman-Ford最短路径搜索算法相结合的无网格-图论边坡滑移面搜索方法,以搜寻节理岩体边坡失稳时的临界滑移面并得出其相应的安全系数.区别于传统的滑移面搜索算法,本文方法无需假定滑移面形状,更适用于具有复杂滑移线形状的节理岩体边坡的稳定性分析与计算,具有稳定和高效的算法特点.文中详细论述了无网格-图论最短路径算法的理论、方法和程序实现,并通过算例说明该方法在岩体边坡稳定性分析中的适用性.     

采用两步优化器的深度配点法与深度能量法求解薄板弯曲问题

随着计算机技术的进步以及机器学习算法的进一步发展,深度学习方法逐渐被广泛引用于各行各业中。本文发展并比较了适应于工程计算的深度配点法与深度能量法并应用于求解薄板弯曲问题。深度配点法采用物理驱动的深度神经网络来,并将物理信息（偏微分方程强形式）引入到损失函数中,最终将求解薄板弯曲问题简化为优化问题。深度能量法则是采用系统总势能驱动的神经网络。根据最小势能原理,在所有的可能位移场中,真实位移场的总势能取最小值,因此我们可以使用总势能构造损失函数,从而求解薄板弯曲问题。对于边界条件,通过罚函数法将有约束最优化问题转化为求解无约束最优化问题。深度配点法与深度能量法的适用性基于神经网络的通用近似定理。由于物理信息跟总势能的引入,增加了神经网络训练的困难,为了解决这个问题,我们发展了两步优化器方法。数值结果表明,深度配点法与深度能量法很适合求解薄板弯曲问题,并且程序实现简单,实现了真正意义上的“无网格法”。     

基于无网格一图论方法的岩体边坡稳定性分析研究

将无网格伽辽金法应用于岩体边坡稳定性分析，发展了基于无网格模型和有向加权图Bellman—Ford最短路径搜索算法相结合的无网格-图论边坡滑移面搜索方法，以搜寻节理岩体边坡失稳时的临界滑移面并得出其相应的安全系数。区别于传统的滑移面搜索算法，本文方法无需假定滑移面形状，更适用于具有复杂滑移线形状的节理岩体边坡的稳定性分析与计算，具有稳定和高效的算法特点。文中详细论述了无网格-图论最短路径算法的理论、方法和程序实现，并通过算例说明该方法在岩体边坡稳定性分析中的适用性。