关于在岩土工程中使用人工智能增强计算力学的最新综述

摘要 在岩土材料建模中存在显著的不确定性。这可以归因于土壤和岩石在施工过程中的复杂行为。在过去几十年中，该领域越来越多地采用人工智能方法，认识到其在预测材料固有的非线性关系方面的适用性。这篇综述对融入岩土工程计算力学的人工智能方法进行了批判性评估。分析将其分为四个关键领域：物理特性、力学特性、本构模型和与岩土材料相关的其他特性。在分析的各种方法中，人工神经网络（ANNs）脱颖而出，成为最常用的策略，而支持向量机（SVM）、长短期记忆网络（LSTMs）和卷积神经网络（CNNs）等其他方法也得到显著应用。使用最广泛的人工智能算法是人工神经网络（ANN）、随机森林（RF）和支持向量机（SVM），分别占35%、19%和17%。人工智能应用最广泛的领域是力学特性，占59%，其次是其他应用，占16%。人工智能应用的有效性与所使用的数据集类型、选择的模型输入密切相关。本研究还概述了未来的研究方向，强调需要整合物理引导和自适应学习机制，以提高解决岩土工程中的多尺度和多物理耦合力学问题的可靠性和适应性。