Deep Neural Network-based Inverse Analysis with Application to a Rockfill Dam
Notice bibliographique
Résumé
The availability of significant computational resources has played an essential role in developing advanced numerical models for the design and safety evaluation of complex structures such as rockfill dams. Determining the geomechanical parameters is deemed a crucial but challenging task for effective modelling. The general approach involves using in situ or laboratory tests or experimental relationships from the literature to assess these parameters. These measures, however, do not accurately reflect the actual situation. This paper proposes a data driven approach using deep neural networks and non-deterministic optimization algorithms to identify the soil parameters that will lead to displacements that best approximate the measured data. The methodology is applied to a rockfill dam recently built in Quebec, for which some measurements of inclinometer displacements are available. A finite element model (FEM) of two dimensions generates numerical solutions. A comparative study is performed to account for the heterogeneity of the materials by decomposing the computational domain into subdomains. Subsequently, the inverse analysis uses the surrogate model instead of the full FEM model for rapid computations. A suitable objective function is defined to account for large oscillations in the measurement data. Non-intrusive stochastic optimization algorithms such as Genetic algorithm (GA), Particle Swarm Optimization (PSO), and Differential evolution (DE) are evaluated for the minimization problem. Finally, the case study confirms the capability of the proposed methodology to identify the relevant dam parameters, provide some insights into the performance, and compare three optimization algorithms.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».