随机结构数值模拟分析的神经网络法

在随机结构分析中,蒙特卡洛方法作为随机数值模拟方法,为问题提供了最为直观和精确的解答,但计算量大、效率低下的缺点大大降低了方法的实用性。研究在蒙特卡洛方法中引入人工神经网络,仅进行少量确定性分析,训练后即可模拟确定性有限元求解器,用神经网络的快速泛化映射取代蒙特卡洛法中的大量确定性有限元分析。算例结果显示,提出的蒙特卡洛-神经网络法可将蒙特卡洛法的计算效率提高几十至一百倍,计算精度令人满意,是一种有潜力的随机结构实用分析方法。