山东大学学报(工学版)

作者：李源,张妮,张艳娜,刘士豪,李学辉

单位：1.河南师范大学计算机与信息工程学院, 河南 新乡453007;2.智慧商务与物联网技术河南省工程实验室, 河南 新乡453007;3.新乡市和协饲料机械制造有限公司, 河南 新乡453131

关键词：边界元法,奇异积分,神经网络,代理模型,优化算法,

基金：河南省自然科学基金资助项目(232300421390);河南省高等学校重点科研资助项目(23A510003)

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。

来源：2023年第6期

《山东大学学报(工学版)》期刊编辑部

查看山东大学学报(工学版)杂志2023年第6期