MACHINE LEARNING METHOD FOR INVERSE HEAT CONDUCTION PROBLEMS

Аннотация

В данной работе исследуется потенциал решения обратных задач с ли-нейным и нелинейным поведением с использованием методов машинного обучения и нейросетевого метода. С появлением алгоритмов машинного обучения стало возможным мо-делировать обратные задачи быстрее и точнее. Чтобы продемонстрировать, что машинное обучение и нейронная сеть могут быть использованы при решении обратных задач, мы пред-лагаем слияние вычислительной механики и машинного обучения. Передние задачи решают-ся в первую очередь для создания базы данных. Эта база данных используется для обучения алгоритмов машинного обучения и нейронных сетей. Обученный алгоритм используется для определения граничных условий задачи по предполагаемым измерениям. Предложенный ме-тод апробирован для линейных/нелинейных задач теплопроводности, в которых граничные условия определяются путем проведения трех, четырех и пяти измерений температуры. Это исследование показывает, что предложенное слияние вычислительной механики и машинно-го обучения является эффективным способом.