В статье предложена модель-заместитель на основе графовых нейронных сетей (GNN) для прогнозирования отклика ферменных конструкций. На основе теории графов используется метод графового представления для описания топологических характеристик и физической информации ферменных конструкций, а через графовые сверточные операции строится корреляция между переменными для реализации снижения размерности пространства обучения на основе геометрических и физических характеристик структуры; кроме того, в модели введён механизм внимания, эффективно учитывающий признаки узлов и рёбер, и на основе жёсткости элементов адаптивно распределяются веса признаков соседних узлов и рёбер, что позволяет точно моделировать механические пути передачи нагрузки в структуре в процессе обучения. В итоге, на примере трёх ферменных конструкций с 10, 19 и 27 переменными была проведена оценка точности прогнозирования предложенной модели. Результаты показывают, что с увеличением количества обучающих образцов ошибка прогноза модели GNN значительно уменьшается; при подходящем объёме выборки модель сохраняет высокую точность прогнозирования для задач высокой размерности, преодолевая резкое снижение точности традиционных моделей-заместителей при увеличении размера выборки и обработке высокоразмерных задач.

Модель-заместитель; графовые нейронные сети; структурный анализ; точность прогноза; вычислительная эффективность