科研之友
微信
新浪微博
Facebook
分享链接
摘要
为解决传统奇异积分计算方案复杂、计算成本高昂的问题，提出一种构建神经网络代理模型的方法，用于在线阶段预测边界元弱奇异积分结果。从理论上探讨使用机器学习方法预测边界元奇异积分的可行性，利用离线阶段收集的边界元弱奇异积分数据作为训练样本，通过坐标空间转换法解决训练空间和预测空间不一致的问题；引入灰狼等级制位置更新方法和自适应优化策略，提出一种改进的自适应樽海鞘(improved adaptive salp swarm algorithm, IASSA)优化方法，提高神经网络模型预测精度，解决标准樽海鞘优化算法收敛速度慢、后期种群多样性差的问题。试验结果表明，基于IASSA优化的神经网络代理模型能够将预测精度提高约54.50%,IASSA的收敛速度比标准樽海鞘优化算法提高约66.67%,降低了离线阶段代理模型的训练时间。
- 单位
