.png){kind=icon}
返回
A physics-informed framework for mechanical parameters inversion in tunnel engineering based on deep learning and Bayesian optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.tust.2025.106940.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种用于隧道工程中力学参数反演的物理信息框架。
• 通过将物理知识编码到代理模型的损失函数中，构建了一个物理知识模块。
• 开发了一种贝叶斯优化反演算法，该算法融合了力学参数间的物理相关性。
• 使用所提出的框架，所有反演结果的R²值均大于0.8，最高达到0.99。
• 讨论了样本量、模型性能以及物理信息方法的有效性。
Keyword:
physics-informed framework
mechanical parameters inversion
Bayesian optimization
surrogate model
tunnel engineering
期刊
IF:
7.4
论文数:
7.0K
被引数:
3.5W
机构
引用论文
暂无论文信息