تقترح هذه الورقة نموذج وكيل قائم على شبكة الأعصاب الرسومية (GNN) لتوقع استجابة الهياكل الشبكية. بناءً على نظرية الرسوم البيانية، يتم استخدام تمثيل الرسوم البيانية لوصف الخصائص الطوبولوجية والمعلومات الفيزيائية للهياكل الشبكية، ومن خلال الالتفاف الرسومي يتم بناء العلاقة بين المتغيرات لتحقيق تقليل أبعاد فضاء التدريب إستنادًا إلى الهندسة الهيكلية والخصائص الفيزيائية؛ بالإضافة إلى ذلك، يتم إدخال آلية الانتباه في النموذج لاحتساب ميزات العقد والحواف بشكل فعال، ويتم تخصيص أوزان الميزات للجيران والعقد والحواف بشكل متكيف بناءً على صلابة الوحدة، مما يتيح محاكاة دقيقة لمسارات انتقال القوى في الهيكل خلال التدريب. أخيرًا، تم تقييم دقة التوقعات للنموذج المقترح من خلال ثلاث هياكل شبكية تحتوي على 10 و19 و27 متغيرًا على التوالي. أظهرت النتائج أنه مع زيادة عدد عينات التدريب، يمكن تقليل خطأ التنبؤ في نموذج GNN بشكل ملحوظ؛ ومع وجود حجم مناسب من العينات، لا يزال النموذج قادرًا على تحقيق دقة تنبؤ عالية للمشاكل عالية الأبعاد، متغلبًا على مشكلة التدهور الحاد في دقة التنبؤ لنماذج الوكلاء التقليدية عند زيادة عدد العينات ومعالجة مشاكل الأبعاد العالية.

نموذج وكيل;شبكة الأعصاب الرسومية;تحليل الهيكل;دقة التنبؤ;كفاءة الحساب