Machine learning and finite element integration-driven surrogate model for fluid-structure interaction seismic response analysis of aqueduct structures

•Methodological Innovation: A synergistic TFSI modeling framework integrates multiphysics simulations and geometric parameterization, trained with 12,600 datasets.•Algorithm Advancement: The improved sand cat swarm optimization algorithm (ISCSOBP) achieves 78 % higher accuracy than traditional BP ne...

Celý popis

Podrobná bibliografie

Vydáno v:	Results in engineering Ročník 27; s. 106176
Hlavní autoři:	Huang, Liang, Li, Ge, Guan, Yujian, Jiao, Weili, Gong, Shengjia, Xu, Shizhan
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.09.2025
Témata:	Aqueduct Machine learning Seismic response Surrogate model Two-way fluid-structure interaction Aqueduct Two-way fluid-structure interaction Surrogate model Seismic response Machine learning
ISSN:	2590-1230, 2590-1230
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!