.png){kind=icon}
返回
An Integrated Framework for Arch Dam Shape Optimization Using Stratified Conditional Sampling and Gaussian Process Surrogates
.png){kind=icon}
OA
AI
DOI：10.3390/buildings16081601.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
拱坝形状优化对于平衡结构安全与经济效率至关重要，但由于昂贵的有限元分析和严格的几何约束，其计算成本仍然很高。传统的采样技术通常会产生不可行的设计，从而损害代理模型的保真度。本研究提出了一种集成框架，结合分层条件拉丁超立方采样（SC-LHS）、自动化建模和高斯过程（GP）代理模型。SC-LHS通过整合层次约束在生成过程中消除不可行样本，而Python驱动的流程自动化了从参数化到模拟的过程。将GP代理与NSGA-II耦合可实现对帕累托前沿的高效探索。结果表明，SC-LHS在可行性率和空间填充指标方面优于标准LHS、约束LHS和拒绝采样索博尔序列。最优折中方案与初始设计相比，坝体体积减少10.4%，拉应力区体积减少15.2%。该框架有效协调了经济和安全目标，为复杂水工结构设计提供了一种稳健的方法。
Keyword:
shape optimization
arch dam
Stratified Conditional Latin Hypercube Sampling
Gaussian Process surrogate models
automated modeling
期刊
IF:
3.1
论文数:
1.8W
被引数:
2.5W
机构
引用论文
Structural application of a shape optimization method based on a genetic algorithm基于遗传算法的形状优化方法的结构应用
PREAI
分享收藏Integrating energy justice and earth observation to examine the social dimensions of hydroelectric dams整合能源正义和地球观测，以考察水电站的社会维度
PREAI
分享收藏State-based monthly operational rules for hydropower reservoirs to balance benefits, reliability, and vulnerability in hourly power supply基于状态的水电水库月度运行规则，以平衡小时电力供应中的效益、可靠性与脆弱性.png)
Energy
EnergyIF9.4
PREAI
分享收藏分享收藏
查看更多内容