深度学习岩土工程+离散元PFC仿真应用=数字化智能岩土预测?噂都假嘟?

在深度学习与岩土工程融合的背景下,科研的边界持续扩展,创新成果不断涌现。从基本物理模型的构建到岩土工程问题的复杂模拟,从数据驱动的分析到工程问题的智能解决,深度学习正以前所未有的动力推动岩土工程领域的革新。据调查,目前在岩土工程领域内,深度学习的应用主要集中在以下几个方面:

1. 预测模型开发:使用深度学习来预测土壤和岩石的力学行为,例如土压力、剪切强度等。

2. 数据驱动特性分析:通过机器学习算法分析大量实验数据,以识别土壤和岩石的非线性特性。

3. 地质结构识别:应用深度学习技术如卷积神经网络(CNN),识别和分类地质结构和岩石类型。

4. 地下设施稳定性分析:利用深度学习模型评估地下设施(隧道、矿井)的稳定性和潜在风险。

5. 环境影响评估:使用深度学习模拟和预测岩土工程活动对环境(地下水流、土壤污染)影响。

6. 灾害风险评估:应用深度学习模型来评估地震、滑坡等自然灾害对岩土工程结构的潜在风险

7. 智能监测和诊断:利用深度学习进行岩土工程结构的实时监测,及时发现问题并进行诊断

8. 自动化设计和优化:使用深度学习算法自动设计岩土工程解决方案,优化工程设计参数。

为促进科研人员、工程师及产业界人士对深度学习在岩土工程领域应用技术的掌握,特举办“深度学习在岩土工程中的前沿应用与实践”专题培训会,本次培训会议主办方为北京软研国际信息技术研究院,承办方互动派(北京)教育科技有限公司,会议会务合作单位为北京中科四方生物科技有限公司,具体相关事宜通知如下:


培训对象
地质学、建筑科学与工程、矿业工程、安全科学与灾害防治、公路与水路运输、水利水电工程、石油天然气工业、地球物理学、环境科学与资源利用、自动化技术等领域的科研人员、工程师、及相关行业从业者、跨领域研究人员。

培训时间
PFC离散元数值模拟仿真技术与应用(第十八期)
2024 年 7月 13日-7月14日   

2024 年 7月 20日-7月21日   

在线直播(授课4天)


深度学习在岩土工程中的应用与实践
2024 年 7月 27日-7月28日  

2024 年 8月 03日-8月04日  

在线直播(授课4天)


PFC-深度学习岩土工程
PFC 离散元数值模拟 仿真 技术与应用 ( 第十八期)
课程内容

理论基础及PFC入门

1 岩土工程数值模拟方法概述

1.1基于网格的模拟方法:

有限元、有限差分、大变形处理CEL、ALE、XFEM

1.2基于点的模拟方法:

离散单元法DEM、光滑粒子流方法SPH、物质点法MPM

1.3基于块体的模拟方法

2  离散元与PFC软件操作

2.1 离散元的基本原理(计算原理、宏观参量与微观参量的关系)

2.2 PFC软件界面操作

2.3文件系统

2.4显示控制

2.5帮助文档的使用

FISH、PYTHON语言及COMMAND命令

3 PFC软件的计算控制方法

3.1 PFC计算控制的语言逻辑

3.2 FISH语言(基本语法、函数定义与调用、创建模型、控制模拟过程、处理模拟结果、FISH Callback操作等)

3.3 COMMAND命令(命令结构、创建模型、状态监测与绘图、控制模拟过程、求解控制、状态查询、与FISH语言的混合使用等)

3.4 PYTHON语言(基本语法、Numpy库的使用、接口的使用等)

离散元模拟方法

4 离散元模拟方法

4.1离散元数值试样的生成方法

4.1.1单元试样模型生成方法

4.1.2边值问题(场地)模型生成方法

4.1.3连续—非连续耦合模型生成方法

4.1.4复杂颗粒形状的模拟方法(Rblock方法、Clump方法)

4.2接触模型选择与参数标定

4.2.1离散元接触模型的选择原则—12个内置模型

4.2.2接触模型参数的标定方法与参数意义—以胶结颗粒材料(岩石、胶结砂土等)为例,讲授参数标定步骤

4.3其他问题

4.3.1模型边界条件施加方法(达到初始平衡状态、开挖类模拟、填筑类模拟、加载类模拟、周期性边界、应力伺服)

4.3.2各种阻尼的选择(粘滞阻尼、局部阻尼、滞回接触模型)

4.3.3时步与时步缩放(静力、动力问题时步及相关命令)

4.3.4试样尺寸、颗粒数量、级配选择

4.3.5 并行计算

土体单元试验模拟

5 土体单元试验模拟方法

5.1常规三轴剪切试验模拟(命令流+FISH)

5.1.1建模方法与注意事项

5.1.2模拟结果分析

5.1.3模拟结果可视化

5.2真三轴剪切模拟(命令流+FISH)

5.2.1真三轴加载路径的模拟

5.2.2真三轴强度准则

5.2.3微观结构演变过程

5.3不排水三轴剪切模拟(命令流+FISH)

5.4循环三轴剪切的模拟(命令流+FISH)

5.5颗粒破碎过程模拟(命令流+FISH)

5.6岩石(胶结颗粒)材料的剪切过程模拟

5.7离散元模拟与弹塑性本构模型

工程实例分析

6 工程实例分析

6.1活动门试验模拟(命令流+FISH)

6.1.1试样级配控制

6.1.2应力状态控制

6.1.3孔隙比的控制

6.1.4 活动门加载的实现

6.2盾构隧道掌子面稳定性(命令流+FISH)

6.2.1主动失稳模式

6.2.2被动失稳模式

6.3节理岩体中的硐室开挖稳定性(命令流+FISH)

6.3.1节理裂隙岩体的生成

6.3.2初始应力状态控制

6.3.3 开挖模拟

PFC3D与FLAC3D耦合模拟与分析

7 离散—连续域耦合模拟

7.1离散—连续耦合模拟方法

Ø 与FLAC3D中一维结构单元耦合

Ø 与FLAC3D中二维壳结构单元或三维实体单元的面的耦合

Ø 与FLAC3D中三维实体单元的耦合(实例)

7.2离散—连续域参数匹配

7.3基于离散—连续域耦合的三轴剪切试验模拟(命令流+FISH)

实例操作:二维壳结构单元耦合(壳单元模拟橡胶膜-创建耦合墙-施加应力边界等向压缩-剪切模拟)

7.4基于离散—连续域耦合的地基承载力分析(命令流+FISH)

实例操作:基于Punch indentation案例的修改与实现

PFC-CFD耦合模拟与分析

8 流固耦合分析

8.1颗粒与流体相互作用理论(CFD模块概况、体积平均粗网格法、颗粒与流体相互作用计算)

8.2流固耦合框架

Ø CFD网格、流体域边界设置、网格导入、网格流体参数设置

Ø 孔隙率计算

Ø 耦合时间间隔、耦合时步、网格与颗粒尺寸

Ø 耦合步骤

8.3实例操作分析(命令流+FISH)

8.3.1单向耦合

8.3.2孔隙介质中Darcy流模拟(Fipy应用)

8.3.3 与FLAC3D的渗流耦合模拟

深度学习岩土工程+离散元PFC仿真应用=数字化智能岩土预测?噂都假嘟?_第1张图片

“深度学习在岩土工程中的应用与实践”

岩土工程 物理模型基础

1. 岩土工程中的基本物理模型及工程问题

1.1.饱和土的一维渗流固结模型(扩散方程)及实际工程应用

1.2.达西定律与饱和土渗流方程(Laplace equation)及适用性

1.3.非饱和土渗流数学模型(Richards方程)及实际工程应用

1.4.工程应用中的正问题与反问题,通过具体案例区分

2. 基本物理模型的求解方法

2.1.边界条件:通过图解和实际工程案例,讲解边界条件在物理模型中的作用,如无流边界、狄利克雷边界等。

2.2.线性方程的解析解法

2.2.1. 直接解法:分离变量法及行波变换法

2.2.2. 间接解法:积分变换法

实战演练:分离变量法求固结方程的解析解

2.3.非线性方程的解析解法

2.3.1. 直接解法:双线性方法

2.3.2. 间接解法:反散射变换

实战演练:双线性方法求KdV方程的解析解

2.4.线性与非线性方程的数值解法

2.4.1. 有限差分法

2.4.2. 有限单元法

2.4.3. 谱方法

实战演练:时间分布Fourier方法求Boussinesq方程的数值解

Python及神经网络构建基础

3. Python基本指令及库

3.1.Python基础:通过交互式编程环境,教授Python基础,包括数据类型和逻辑运算等。

3.2.科学计算库:介绍Numpy和Matplotlib,并讲授如何使用它们进行科学计算和数据可视化。

实战演练:基于简单Numpy指令解决岩石图像分类问题

3.3.神经网络构建:通过简单的实例,如使用Numpy构建感知机,教授神经网络的基本概念。

3.4.深度学习框架:通过Tensorflow和Pytorch的实例,教授如何构建和训练用于岩土工程问题的深度学习模型。

实战演练:基于Pytorch模块求解渗透系数及其影响因素间关系的量化模型。 

数据—物理

双驱动神经网络

4. 深度学习基本原理与数据—物理双驱动神经网络

4.1.深度学习基础

4.1.1. 神经元及激活函数

4.1.2. 前馈神经网络与万能逼近定律

4.1.3. 多种深度神经网络

4.1.4. 自动微分方法

4.1.5. 深度神经网络的损失函数

4.1.6. 最优化方法

4.2.数据—物理双驱动神经网络方法

4.2.1. 物理信息神经网络(PINN)的工作原理及应用介绍

4.2.2. 深度算子网络(DeepONet)的工作原理及应用介绍

4.2.3. 物理深度算子网络(PI-DeepONet)的工作原理及应用介绍

实战演练:利用DeepXDE框架解决饱和土体的固结问题

案例实践

论文复现

5. 动手实践:论文复现

论文实例解读与实战(一):PINN模型在固结问题中的应用

参考文献:Application of improved physics-informed neu-ral networks for nonlinear consolidation problems with continuous drainage boundary conditions

Ø 神经网络架构的选择与设计

Ø 固结方程作为约束的损失函数设计

Ø 训练及预测

Ø 构建并训练一个固结问题的PINN模型

Ø 硬约束边界条件

论文实例解读与实战(二):PINN模型在非饱和渗透模拟中的应用

参考文献:Surrogate modeling for unsaturated infiltration via the physics and equality-constrained artificial neural network

Ø PINN的改进—PECANN模型

Ø 损失函数的设计:数据拟合项与物理定律项的平衡

Ø 训练数据的生成:合成数据与实验数据(多保真PINN模型)

Ø PINN用于非饱和渗透模拟的优势(不确定性问题)

论文实例解读与实战(三):PINN模型在非线性波动方程中的应用

参考文献:Explorations of certain nonlinear waves of the  Boussinesq  and  Camassa–Holm  equations  using physics-informed neural networks

Ø Boussinesq方程与Camassa-Holm方程的数值求解难点

Ø PINN的改进—MPINN模型

Ø PINN的优势、劣势及未来发展方向

主讲老师
01
PFC离散元数值模拟(第十八期)

江苏省高水平建设重点高校副教授、硕导。参与国家及省自然科学基金数项,发表 SCI 检索论文二十余篇,国际、国内会议论文二十余篇,其中专利两项,软著五项。主要从事岩土工程数值模拟方法。在土体宏微观力学特性与本构关系、城市地下空间工程、人工智能机器学习在岩土工程中的应用等方面积累了丰富的经验。

02
深度学习在岩土工程中的应用与实践

双一流及985工程建设高校副教授、硕导。主持和参与国家及省自然科学基金多项,发表 SCI 检索论文30余篇,论文总共他引900余次。主要从事岩土工程数值模拟方法研究。在土体基本理论与本构关系、人工智能机器学习在岩土工程中的应用等方面积累了丰富的经验。

课程时间>>
PFC离散元数值模拟仿真(第十八期)

2024 年 7月 13日-7月14日   

2024 年 7月 20日-7月21日   

在线直播(授课4天)

深度学习在岩土工程中的应用与实践

2024 年 7月 27日-7月28日  

2024 年 8月 03日-8月04日  

在线直播(授课4天)


课程费用
PFC离散元数值模拟仿真(第十八期)
每人¥4300元(含报名费、培训费、资料费)
深度学习在岩土工程中的应用与实践
每人¥4500元(含报名费、培训费、资料费)

2024年6月28日前报名缴费可享受200元早鸟价惠;
参加过我单位举办的其它课程的老学员,可享受额外200优惠

费用提供用于报销的正规机打发票及盖有公章的纸质通知文件;如需开具会议费的单位请联系招生老师索取会议邀请函;


增值服务
1、凡报名学员将获得本次培训电子课件及案例模型文件;

2、培训结束可获得本次所学专题课程全部无限次回放视频;

3、参加培训学员,可以获得:主办方北京软研国际信息技术研究院培训中心颁发的《离散元仿真核心技术与应用》、《深度学习在岩土工程中的应用与实践》专业技能结业证书;


 

官方联系人: 崔老师      

深度学习岩土工程+离散元PFC仿真应用=数字化智能岩土预测?噂都假嘟?_第2张图片

扫码添加VX咨询报名(辛苦备注咨询课程名称)

电话:13641304579 

官方网址:http://srit.ac.cn

【注】1、开课前一周会务组统一通知;开课前一天会将直播链接及上机账号发至您邮箱或微信。如未收到请及时电话咨询!

你可能感兴趣的:(岩土,pfc,3dec,深度学习,人工智能)