公开(公告)号：CN119943197A

公开(公告)日：2025-05-06

申请号：CN202510028355.X

申请日：2025-01-08

Applicant: 华中科技大学

Inventor： 阮滨 ,  叶宜培 ,  缪剑雄 ,  王苏阳 ,  郭洋 ,  周正龙

IPC: G16C20/30 ,  G16C20/70 ,  G06N5/045 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于可解释性人工智能的饱和珊瑚砂阻尼比预测方法，包括制备饱和珊瑚砂试样；利用饱和珊瑚砂试样进行试验，生成数据集；利用CNN‑BiLSTM组合神经网络建立饱和珊瑚砂阻尼比预测模型；利用数据集输入饱和珊瑚砂阻尼比预测模型进行训练；利用SHAP方法对饱和珊瑚砂阻尼比预测模型进行解释性分析。本发明利用饱和珊瑚砂进行试验，记录不同材料参数下饱和珊瑚砂阻尼比的变化，获得了各个影响因素之间的初步结论，接着建立CNN‑BiLSTM混合深度学习模型，实现了提取特征信息并进行预测，最后使用SHAP分析各个特征的输入参数与输出值之间的关系，拓展了人工智能在珊瑚砂动力变形特征领域的应用。

公开(公告)号：CN119358350A

公开(公告)日：2025-01-24

申请号：CN202411901687.6

申请日：2024-12-23

Applicant: 华中科技大学

Inventor： 阮滨 ,  刘崇瑾 ,  时朝阳 ,  黄家乐 ,  缪剑雄 ,  李俊成 ,  黄浩

IPC: G06F30/23 ,  G06F30/27 ,  G16C60/00 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/086 ,  G06F111/06 ,  G06F119/14

Abstract: 本发明提供了一种考虑经济性的泡沫混凝土力学性能预测模型优化方法，建立泡沫混凝土的三维细观有限元模型，接着选择材料参数和外部加载条件参数进行规律性分析，将影响因素较高的参数作为深度学习输入变量。然后，采用结合卷积神经网络（CNN）和双向门控循环单元（BiGRU）的组合神经网络作为预测模型，通过可靠的数值模型分析得到数据样本，并基于CNN‑BiGRU实现对泡沫混凝土力学性能的准确预测。最后，根据深度学习模型设定泡沫混凝土抗压强度和能量吸收能力的目标函数，求解泡沫混凝土在抗压强度和能量吸收能力方面的最佳设计特征，获取泡沫混凝土的最佳性能设计方案。