華南理工大學(xué)土交學(xué)院海外學(xué)者前沿講座第四十期，我們邀請到來自美國布法羅大學(xué)土木、結(jié)構(gòu)和環(huán)境工程系吳騰副教授。他為同學(xué)們介紹了他的課題組將人工智能應(yīng)用于風(fēng)氣候分析、瞬態(tài)空氣動力學(xué)、非線性結(jié)構(gòu)動力學(xué)、形狀優(yōu)化和振動控制等風(fēng)工程的研究中，致力于為基于性能的抗風(fēng)設(shè)計提供新的方法。

自然風(fēng)作為一種最常見的流體，我們每天都能感受到周邊環(huán)境的風(fēng)，或是微風(fēng)，或是疾風(fēng)，甚至是沿海地帶發(fā)生較多的臺風(fēng)。那么大氣邊界層中風(fēng)的流體力學(xué)特性是怎么樣的呢？以及風(fēng)與土木工程結(jié)構(gòu)的相互作用是怎樣的呢？這就是風(fēng)工程領(lǐng)域研究的主要內(nèi)容，也是進行風(fēng)工程設(shè)計的基礎(chǔ)。

講座一開始，吳老師首先向我們介紹了基于性能的風(fēng)工程設(shè)計方法（Performance-based Wind Design）。吳老師介紹到，高層建筑和其他重要工程結(jié)構(gòu)的抗風(fēng)設(shè)計正朝著基于性能的設(shè)計方法發(fā)展，因為它更符合各權(quán)益相關(guān)方的期望，且能明確地滿足性能目標(biāo)，并大大降低結(jié)構(gòu)的全生命周期成本。相比傳統(tǒng)的風(fēng)工程設(shè)計，該設(shè)計過程包括更精確的風(fēng)場分析、實現(xiàn)非線性的瞬態(tài)氣動力分析、結(jié)構(gòu)非線性動力響應(yīng)、低周疲勞的損傷測量和生命周期維修費用優(yōu)化，因此具有明確考慮業(yè)主期望的結(jié)構(gòu)抗風(fēng)性能水準、滿足工程師所要求的性能指標(biāo)、能夠在國家規(guī)范的要求下極大減少結(jié)構(gòu)生命周期成本的特點。

但是，基于性能的抗風(fēng)設(shè)計，就意味著將風(fēng)荷載下結(jié)構(gòu)的響應(yīng)推入非線性階段。而傳統(tǒng)的抗風(fēng)設(shè)計不考慮結(jié)構(gòu)，默認在風(fēng)荷載下結(jié)構(gòu)處于線彈性。傳統(tǒng)的風(fēng)工程研究方法主要包括風(fēng)洞試驗和計算流體力學(xué)(Computational Fluid Dynamics, CFD) 結(jié)合有限元分析。而以機器學(xué)習(xí)為主的人工智能是一種處理復(fù)雜問題的強大工具，幾乎適用于任何領(lǐng)域，對于風(fēng)工程領(lǐng)域的臺風(fēng)模擬和結(jié)構(gòu)非線性氣動力模擬等也同樣具有解決問題的潛力。吳老師提出，人工智能的方法為基于性能的抗風(fēng)設(shè)計所需要的風(fēng)表征(如考慮持續(xù)時間)、空氣動力學(xué)建模(如瞬態(tài)特征)和結(jié)構(gòu)分析(如非線性響應(yīng))等提供了無限可能，他們也做了許多相關(guān)的工作。

吳老師課題組主要采用深度學(xué)習(xí)對風(fēng)場、風(fēng)動力，和結(jié)構(gòu)的優(yōu)化展開了一系列的研究。首先，為了得到準確的風(fēng)荷載，尤其在全球變暖的環(huán)境下，我們需要更加精確的知道風(fēng)的來源，也就是風(fēng)場?，F(xiàn)有的使用神經(jīng)網(wǎng)絡(luò)計算風(fēng)荷載的方法都是把風(fēng)的信息和地形的信息輸入神經(jīng)網(wǎng)絡(luò)，然后神經(jīng)網(wǎng)絡(luò)輸出風(fēng)速。深度學(xué)習(xí)需要大數(shù)據(jù)的支撐，而臺風(fēng)作為極端事件，導(dǎo)致風(fēng)工程缺乏大數(shù)據(jù)，且數(shù)據(jù)的豐富性較差。此外，深度神經(jīng)網(wǎng)絡(luò)應(yīng)用于工程中，缺乏理論支撐，缺少可解釋性。為了解決這兩個問題，吳教授課題組提出了知識增強的機器學(xué)習(xí)模型(Knowledge-Enhanced Machine Learning)，通過將風(fēng)工程領(lǐng)域的物理方程、經(jīng)驗公式、有價值的實驗或?qū)崪y數(shù)據(jù)并入到機器學(xué)習(xí)模型中，增強了機器對風(fēng)工程知識的學(xué)習(xí)。最終，在大跨度橋梁非線性氣動力分析、高層結(jié)構(gòu)抗風(fēng)、區(qū)域級別建筑抗風(fēng)和臺風(fēng)等極端風(fēng)災(zāi)害模擬中，知識增強的機器學(xué)習(xí)模型可以極大地減少模型數(shù)據(jù)需求，提高模型精度，增加計算效率。

然后，吳老師還將這種知識增強的方法應(yīng)用到不同的神經(jīng)網(wǎng)絡(luò)里面，分別對風(fēng)氣候分析、瞬態(tài)空氣動力學(xué)、非線性結(jié)構(gòu)動力學(xué)、形狀優(yōu)化和振動控制等開展了分析。比如，吳老師將知識增強的前饋神經(jīng)網(wǎng)絡(luò)（FNN）用于颶風(fēng)邊界層風(fēng)的模擬；將知識增強的長短期記憶神經(jīng)網(wǎng)絡(luò)（LSTM）用于非線性空氣動力學(xué)分析；將知識增強的卷積神經(jīng)網(wǎng)絡(luò)（CNN）用于風(fēng)壓強的計算；將知識增強的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）用于風(fēng)致非線性結(jié)構(gòu)動力學(xué)響應(yīng)的模擬；以及將知識增強的強化學(xué)習(xí)（RL）用于空氣動力形態(tài)和控制模擬中。吳老師的研究結(jié)果表明，將傳統(tǒng)的經(jīng)驗知識和經(jīng)驗公式應(yīng)用于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練中，可以顯著提高工程問題的預(yù)測效率和精度，而且計算時間大大減少，還可以通過極小的數(shù)據(jù)量進行訓(xùn)練。因為其計算速度快的特點，這種方法可以應(yīng)用于對臺風(fēng)等天氣的提前預(yù)測，找到結(jié)構(gòu)的薄弱點方便人們提前對結(jié)構(gòu)進行防護和加強。在臺風(fēng)來臨前，通過AI模型的運算，可以實時預(yù)測，對風(fēng)災(zāi)害做預(yù)警。此外，吳老師還將人工智能模型用于結(jié)構(gòu)形狀的優(yōu)化，以減少風(fēng)致結(jié)構(gòu)響應(yīng)。

最后，吳老師分享了他們在應(yīng)用知識增強深度學(xué)習(xí)這一方法對風(fēng)工程做預(yù)測的過程中的一些感受。吳老師認為，很早之前人工智能就在專家系統(tǒng)中應(yīng)用了基于知識的范式，隨著人工智能的發(fā)展和計算機的進步，現(xiàn)在的人工智能模型大都是基于大數(shù)據(jù)的范式，比如機器學(xué)習(xí)。而知識增強的機器學(xué)習(xí)結(jié)合了兩者的優(yōu)勢，能夠改善數(shù)據(jù)的有效性，模擬的精度和可解釋性。而這一知識增強的方法也讓吳老師產(chǎn)生了新的思考：在風(fēng)工程領(lǐng)域，是否有可能定義一個完整且不相交的知識譜；如何有效地將不同的知識來源（異質(zhì)性）整合到機器學(xué)習(xí)中。如何進行知識分類，并入到有效的機器學(xué)習(xí)模型中，是吳教授課題組正在研究的問題，我們期待吳教授課題組產(chǎn)出更多的研究成果。

本次講座給我們的啟發(fā)是，基于性能的設(shè)計，無論是對于風(fēng)工程，還是其它結(jié)構(gòu)與材料的設(shè)計，除了進行基礎(chǔ)的科學(xué)研究，我們還應(yīng)該進一步提高研究對象在工程中和企業(yè)界的適用性，讓研究目標(biāo)更明確，使研究變得更有實用價值。此外，我們進入了“萬物皆可人工智能”的時代，但“人工”是“智能”的前提，“智能”是“人工”的結(jié)果；對于高效的機器學(xué)習(xí)模型，我們不能“拿來主義“，而是要賦予機器領(lǐng)域知識，讓模型理解物理問題，增強數(shù)據(jù)驅(qū)動的效率，讓“人工”成本更省，讓“智能”效果更好。吳老師將知識增強的方法結(jié)合到機器學(xué)習(xí)中，用于解決具體工程的問題，尤其是對風(fēng)工程展開了一系列有趣的研究。這種研究方法給我們的啟發(fā)是，在大數(shù)據(jù)時代，傳統(tǒng)的經(jīng)驗知識仍能給我們提供參考，公式的簡與美蘊含著無窮的知識潛力。如何將傳統(tǒng)的經(jīng)驗公式與先進的人工智能方法更好的結(jié)合起來，是值得我們思考和探索的問題。

相關(guān)文章請見吳老師主頁：

講座錄播回顧：

【The SIR Frontiers】學(xué)術(shù)前沿系列講座第四十期：人工智能協(xié)同下基于性能的風(fēng)工程

END

來源于多樣化結(jié)構(gòu)實驗室VSL

撰寫：解兵林 姚顯花 毛煒寧

排版：朱子寒

審核：胡??楠