報告承辦單位：土木工程學院

報告內(nèi)容：機器學習在土的本構(gòu)模擬中的實踐

報告人姓名：尹振宇

報告人所在單位：香港理工大學

報告人職稱/職務(wù)及學術(shù)頭銜：教授

報告時間：6月21日（周五）15:00

報告地點：工科二號樓B302

報告人簡介：

尹振宇，香港理工大學土木與環(huán)境工程系教授，1997年獲浙江大學建筑工程專業(yè)學士學位，之后在浙江嘉華建筑設(shè)計有限公司工作過5年，于2003年、2006年分別獲得法國南特中央理工大學巖土工程專業(yè)碩士和博士學位（博士期間在同濟大學做過聯(lián)合培養(yǎng)）。曾于2011年入選上海市特聘教授“東方學者”；兼任歐洲環(huán)境與土木學報(EJECE)、Geotechnique Letters、ASCE-IJOM副主編；加拿大土工（Can.Geot. J.）、Acta Geotechnica、Transportation Geotechnics、Computers and Geotechnics、GeoRisk、IJNAMG等期刊編委；主要從事土力學與巖土工程方面的教學和研究，近年來在國際核心刊物上發(fā)表SCI論文300余篇。

尹振宇教授的主要研究方向有：（1）土體宏微觀特性及本構(gòu)關(guān)系；（2）巖土工程模型試驗及大變形數(shù)值分析；（3）人工智能在巖土工程中的應用。

報告摘要：

本構(gòu)是描述土體土體力學特性和行為的重要工具，用于描述土體在受力下的變形和應力響應。傳統(tǒng)土體本構(gòu)模型通常基于經(jīng)驗公式和試驗數(shù)據(jù)，其參數(shù)的識別和模型的選擇往往需要大量的試驗和經(jīng)驗，具有較強的主觀性，即使是工程師也常常難以選取正確的模型和參數(shù)。機器學習方法提供了一種新的思路。機器學習方法可以通過從大量數(shù)據(jù)中學習和發(fā)現(xiàn)規(guī)律，預測土體在不同應力條件下的行為，進而開發(fā)土體本構(gòu)模型。這種方法可以提高本構(gòu)模型的準確性和預測能力，并減少對經(jīng)驗和物理假設(shè)的依賴。此外，機器學習還可以幫助工程師們更好地理解土體的復雜特性和行為規(guī)律。因此，本次報告將探討如何通過機器學習方法發(fā)展土體的本構(gòu)模型，并將其應用于工程實踐中。