申请号：CN202411420756.1 

当前权利人：浙江大学 

摘要: 本发明公开了一种基于卷积神经网络的结构位移响应预测方 法、装置和介质，该方法首先进行数据准备阶段，包括定义结构的几 何形状和尺寸，确定材料性质参数，并明确结构的边界条件；再进行 离散化和数据预处理阶段，将结构的几何形状离散化为节点和单元， 并将结构信息表示为矩阵形式，并对边界条件进行适当的处理；在网 络模型设计和配置阶段，选择合适的卷积神经网络结构，确定激活函 数和正则化方法，并根据问题的特点调整网络的超参数；随后，在训 练数据准备阶段，生成训练样本集，包括输入数据和目标输出数据；使用训练样本集作为输入数据，通过反向传播算法和优化算法来更新 网络的权重和偏置。本发明具有通用性，同时提供了高效准确的预测 方法。 

主权利要求: 1.一种基于卷积神经网络的结构位移响应预测方法，其 特征在于，包括以下步骤： （1）获取结构的输入数据，具体包括定 义结构的几何形状和尺寸，确定材料性质参数，以及明确结构的边界 条件； （2）将结构的几何形状进行离散化，以将其划分为节点和单 元，并确定节点之间的连接关系；对结构的输入数据以及得到的节点 和单元信息进行预处理，以将其转换为结构位移响应预测模型要求的 输入数据表示形式，得到预处理后的待输入的结构数据矩阵； （3） 选择卷积神经网络，并对其具体结构进行调整和配置，以构建结构位 移响应预测模型； （4）将步骤（2）得到的预处理后的待输入的结 构数据矩阵作为输入样本，获取真实的结构位移响应作为目标输出数 据，根据输入样本和目标输出数据构建训练样本集； （5）使用训练 样本集对结构位移响应预测模型进行迭代训练，根据结构位移响应预 测模型的损失函数，采用反向传播法优化更新结构位移响应预测模型 的权重和偏置参数，直至达到预设的训练轮次，获取训练好的结构位 移响应预测模型；（6）对训练好的结构位移响应预测模型进行验证， 并根据其验证结果对训练好的结构位移响应预测模型进行微调，以获 取最终的结构位移响应预测模型，用于预测结构位移响应。