-
一个基于物理知识的变压器框架,用于地震响应建模和土桩系统的脆弱性评估
土壤-桩系统地震响应预测与抗震能力分析研究提出融合多头注意力机制和非-dimensional化动态控制方程的物理信息神经网络(PINN),有效提升桩身曲率与位移时程预测精度,误差控制在2.3%-15%。通过集成模型不确定性传播,建立预测-校正的抗震能力评估方法,经New Madrid与Coos Bay地区对比验证,误差范围符合工程可靠性要求。
来源:Soil Dynamics and Earthquake Engineering
时间:2026-04-25
-
基于新型机器学习方法的粉砂质油气藏阳离子交换能力的实验研究及软计算建模
页岩储层阳离子交换容量(CEC)的深度学习预测方法研究。通过100块中东页岩岩心实验数据,对比MLP-ANN、KNN、AdaBoost和自定义CNN模型,证明CNN在捕捉孔隙非线性和多参数交互关系方面具有显著优势,测试集R²达0.9637,AARE%仅3.4725%,为复杂储层CEC预测提供新工具。
来源:Physics and Chemistry of the Earth, Parts A/B/C
时间:2026-04-25
-
在饱和约束条件下,利用残差注意力LSTM和二次规划实现预测性波浪补偿
动态模型与智能算法融合的船舶波浪补偿系统研究,提出基于残差注意力LSTM的增量预测模型与约束优化规划策略,有效降低海况恶化下的结构冲击载荷。
来源:Ocean Engineering
时间:2026-04-25
-
IW-PPM:一种基于BP神经网络的模型,结合特征工程技术用于预测中国南海北部地区的内波传播
本文构建了基于BP神经网络的北部南海内部波传播预测模型IW-PPM,通过优化MODIS卫星影像特征参数,分别设计速度和方向预测模块,结合复合损失函数与自适应优化算法,实验表明其预测精度优于传统KdV理论,且在台风天气下性能稳定。
来源:Ocean Modelling
时间:2026-04-25
-
南印度院内心脏骤停患者的功能性结局与独立水平:一项前瞻性纵向研究
为评估心肺复苏(CPR)时长对患者预后的影响,研究人员针对南印度院内心脏骤停(IHCA)患者开展了一项前瞻性纵向研究。结果显示,CPR时长是功能结局和独立水平的重要预测因子,且患者神经功能与独立能力的恢复主要发生在前30天。该研究强调了将Utstein报告系统和个体化终止复苏(ToR)决策纳入临床实践的重要性。
来源:Nursing Research and Practice
时间:2026-04-25
-
基于力学原理的混合神经建模用于疲劳寿命预测:将基于物理的标准与数据驱动的学习方法相结合
1. 提出一种结合多疲劳准则的力学指导混合神经网络模型,用于提高复杂载荷下铝合金开口孔的疲劳寿命预测精度,实验验证显示其优于传统模型和数据驱动方法。
来源:Advances in Engineering Software
时间:2026-04-25
-
受物理约束的神经网络用于高保真复合材料失效边界预测
本研究提出物理约束神经网络(PCNN)框架,整合Tsai-Wu、Cuntze和LaRC等经典失效准则,通过自适应加权机制平衡数据拟合与物理一致性,采用解耦预测策略处理高维应力张量,实验表明PCNN优于纯数据驱动模型,尤其在LaRC约束下R²达0.9198,并抑制黑箱模型的误差分布,重建符合物理的失效包络面,为复合材料设计提供可靠工具。
来源:COMPOSITE STRUCTURES
时间:2026-04-25
-
针对电动拖拉机的自适应能源管理策略,考虑了电池寿命和负载波动的特性
针对电动拖拉机频繁负载波动导致的能源效率与电池寿命问题,提出基于场景重构(SCR)和鲸鱼优化(BWO)增强的径向基神经网络(RBFNN)的自适应多目标能量管理策略。通过融合非线性轮胎-土壤交互、地形坡度变化和电阻模型,构建多源动力学模型,结合微行程分段和深度残差神经网络实现毫秒级动态响应,提升电池SoC 18.9%,降低全生命周期成本26.9%,相比传统策略性能提升显著。
-
用于自主神经形态机器人的自适应全光子突触
有机薄膜突触材料通过可见光响应的磷光特性实现UV剂量累积监测,结合α位异构化设计突破光子产率与磷光寿命的平衡难题,无需外部光源即可自主触发避障行为,为智能机器人提供光电子神经可塑性平台。
来源:Nano Energy
时间:2026-04-25
-
通过量子计算增强神经网络的对抗鲁棒性
量子机器学习模型对抗攻击鲁棒性研究,提出量子-经典混合神经网络架构Hybrid QCNN和Hybrid QWideResNet,通过量子叠加和纠缠特性增强模型抗攻击能力,在MNIST、CIFAR-10等数据集上验证对FGSM、PGD等攻击的鲁棒性提升。
来源:Future Generation Computer Systems
时间:2026-04-25