摘要：饱和软土非线性固结模型求解方式以数值方法为主，解析求解较为困难。以连续排水边界条件下的一维非线性固结问题为例，介绍了一种新的非传统数值方法-物理信息神经网络(PINNs)方法，并引入硬约束对原始PINNs算法进修正，获得了具有较高计算精度的改进PINNs(PINNs-H)数值解。此外，基于孔隙水压力的时空测量数据，采用PINNs-H算法对固结模型中的非线性因子(Nσ)进行了反演。结果表明：在压缩指数Cc与渗透指数Ck比值等于1时，PINNs-H解与解析解吻合良好，而PINNs解误差较大；当Cc/Ck≠1时，对比有限差分解，PINNs-H解是连续的，且基于较少的训练样本点，即可获得相似的平均固结度解答；PINNs-H算法能够获得准确的Nσ反演结果，而PINNs算法则反演偏差较大。该方法为研究软土固结问题提供一种新的求解思路。
文章目录
1 改进PINNs算法
1.1 PINNs算法原理
1.2 PINNs-H算法原理及其在连续排水边界下的硬约束构造
1.3 反问题分析
2 问题的描述及其控制方程的建立
3 计算结果分析
3.1 Cc /Ck=1时PINNs-H解与解析解对比
3.2 Cc /Ck≠1时PINNs-H解与FDM解对比
3.3 PINNs-H对Nσ的反演
4 讨论
4.1 PINNs-H超参数分析
4.2 PINNs-H优缺点说明
5 结 论
