使用神经网络提高激光诱导冲击波速度预测的预测准确度
1College of Computing, Georgia Institute of Technology, Atlanta, GA, 30332, USA. yhy04@mail.ustc.edu.cn.
Scientific reports
|June 12, 2024
概括
准确预测激光诱导的冲击波速度对于优化激光过程至关重要. 一种新的人工神经网络和遗传算法方法动态设计神经网络,以卓越的准确性超越传统方法.
科学领域:
- 物理 物理学 物理
- 工程 工程师 工程师 工程师
- 计算科学 计算科学
背景情况:
- 激光诱导的冲击波是各种激光过程中不可或缺的组成部分.
- 准确预测冲击波速度对于过程优化和系统设计至关重要.
- 由于复杂的激光物质相互作用,现有的实证和分析模型往往缺乏精度.
研究的目的:
- 开发一种更准确的方法来预测激光诱导的冲击波速度.
- 克服传统预测模型的局限性.
- 引入一个由遗传算法优化的动态结构的人工神经网络.
主要方法:
- 利用一种混合方法,将人工神经网络 (ANN) 和遗传算法 (GA) 结合起来.
- 大会动态优化了ANN的结构和重量.
- 评估了该方法的性能与已建立的比较技术相比.
主要成果:
- 拟议的ANN-GA方法在预测冲击波速度方面表现出卓越的性能.
- 实现了最低的平均误差,根平均平方误差 (RMSE) 为4.38,平均绝对误差 (MAE) 为3.74.
- 该方法在预测冲动波速率方面显示出高可靠性.
结论:
- 综合ANN-GA方法为冲击波速度预测提供了一个高度准确和可靠的工具.
- 这种先进的计算方法提高了基于激光的应用程序的优化.
- 动态网络设计克服了复杂激光物质相互作用中的静态模型的局限性.
