Библиографическое описание:ГЕНЕРАТИВНОЕ МОДЕЛИРОВАНИЕ ГЕОМЕХАНИЧЕСКИХ ПРОЦЕССОВ С ИСПОЛЬЗОВАНИЕМ НЕЙРОННЫХ СЕТЕЙ : научное издание / О. А. Антамошкин, Д. Ю. Евсюков, М. Н. Степанцевич, Н. А. Ягудаева. - Текст : непосредственный // Известия Тульского государственного университета. Науки о Земле. - 2025. - № 3. - С. 286-291. - Исследование выполнено при поддержке Красноярского краевого фонда поддержки научной и научно-технической деятельности в рамках проекта «Система автоматизированной верификации строительных объектов цифровым информационным моделям с использованием БПЛА и технологии технического зрения» (№ 20241021-08629) в рамках Конкурса перспективных прикладных научных исследований по направлению технологического лидерства «Беспилотные авиационные системы», реализуемых в рамках проектов по заказу юридических лиц (за исключением некоммерческих организаций), зарегистрированных на территории Красноярского края, выполняемых организациями, зарегистрированными на территории Красноярского края, осуществляющими научную, научно-техническую деятельность. - ISSN 2218-5194.
Аннотация:Представлены результаты исследования возможностей применения генеративных нейронных сетей для моделирования геомеханических процессов. В качестве примера рассмотрено одномерное сжатие породного массива с использованием вариационного автоэнкодера. Сравнение синтетических данных с результатами численного моделирования методом конечных элементов показало высокую степень совпадения, при этом относительная погрешность не превышала 1,5 %. Модель продемонстрировала способность к экстраполяции данных за пределы обучающей выборки и устойчивое воспроизведение распределений напряжений при варьировании параметров. Существенным преимуществом является значительное сокращение времени расчетов по сравнению с традиционными методами. Выявленные ограничения связаны с выходом параметров за рамки исходных данных, что требует дальнейшей оптимизации модели. Полученные результаты подтверждают перспективность генеративного подхода для задач геомеханики и прогнозирования поведения горных пород.
This paper presents the results of a study on the application of generative neural networks for modeling geomechanical processes. As an example, one-dimensional compression of a rock mass was simulated using a variational autoencoder. Comparison of synthetic data with numerical modeling results obtained by the finite element method showed a high degree of agreement, with relative errors not exceeding 1.5 %. The model demonstrated the ability to extrapolate data beyond the training set and reliably reproduce stress distributions under varying parameters. A key advantage of the approach is a significant reduction in computation time compared to traditional methods. The identified limitations are related to parameter ranges outside the training dataset, which indicates the need for further model optimization. The results confirm the potential of generative approaches for geomechanics and the prediction of rock mass behavior.
Издательство:Тульский государственный университет, Тула
Источник:Известия Тульского государственного университета. Науки о Земле
Выпуск:№ 3
Номера страниц:286-291
Держатель оригинала документа:Российский государственный аграрный университет - МСХА имени К.А. Тимирязева, Сибирский государственный университет науки и технологий им. М.Ф. Решетнёва, Сибирский федеральный университет
Количество экземпляров:
Твёрдая копия издания отсутствует в фонде библиотеки
