A surrogate-driven optimization framework for thermal parameter inversion in hydraulic concrete structures

doi:10.1038/s41598-026-67768-4

A surrogate-driven optimization framework for thermal parameter inversion in hydraulic concrete structures

2026-09-08

0

OA

AI

DOI：10.1038/s41598-026-67768-4

原文链接

查看原文

摘要

En 中文

热参数是水工混凝土结构数值热分析的关键输入。然而，在长期服役条件下，这些参数可能因环境暴露、材料劣化和复杂运行荷载而逐渐偏离设计值，从而降低温度场模拟和结构安全评估的准确性。因此，高效准确地反演热参数对于可靠评价服役中的水工混凝土结构至关重要。为解决传统方法在瞬态传热问题中计算效率低和反演精度有限的问题，本研究开发了一种改进的代理模型反演与优化方法。在所提出的框架中，多输出最小二乘支持向量回归（MLSSVR）用于构建描述热参数与时空温度响应之间非线性映射的代理模型。随后，结合非线性收敛因子和自适性动态加权策略的改进灰狼优化器（IGWO）与代理模型耦合，以增强全局搜索能力并降低早熟收敛风险。工程应用验证了所提方法的有效性。结果表明，与传统方法相比，该方法在提高反演精度的同时，计算成本降低了80%以上。这些发现表明，所提出的基于代理模型的框架为热参数反演提供了高效实用的工具，并能够支持更精确的水工混凝土结构数值分析和安全评估。

A surrogate-driven optimization framework for thermal parameter inversion in hydraulic concrete structures

摘要

AI总结

期刊

机构

引用论文