图书信息
图书目录
数据力学
本书是力学领域“101计划”核心教材之一。数据力学是融合物理建模思想与现代数据科学方法的新兴交叉领域，旨在突破力学建模中数据表征、物理约束与计算效率的协同瓶颈，为传统力学体系赋予创新动能。
全书分两部分，共15章。第一部分为数据力学基础与方法，含6章，包括绪论、概率论与数理统计初步、非线性优化与变分法、数据力学之机器学习、数据力学之数据分析、数据力学之神经网络。第二部分为数据力学的工程应用，含9章，包括数据力学中数据驱动的建模方法、物理信息神经网络、数据力学在力学控制方程建模中的应用、数据力学在力学宏观本构建模与分析中的应用、数据力学在结构分析与设计中的应用、数据力学在分子动力学中的应用、数据力学在多刚体系统动力学建模中的应用、数据力学在重大工程装备先进制造中的应用、数据力学在深地油气开采中的应用。
本书可作为高等学校力学相关专业高年级本科生、研究生课程教材，也可作为相关工程技术人员的专业学习与参考用书。
作者：
主编 郭旭
定价：
53.00元
出版时间：
2025-11-13
ISBN：
978-7-04-065801-9
物料号：
65801-00
读者对象：
高等教育
一级分类：
力学类
二级分类：
力学专业课程
三级分类：
其他专业课
重点项目：
暂无
版面字数：
420.00千字
开本：
16开
全书页数：
暂无
装帧形式：
平装
- 前辅文
- 第一部分 数据力学基础与方法
- 第1章 绪论
- 1.1 传统力学方法的概况与发展挑战
- 1.1.1 力学的基本概念与发展历程
- 1.1.2 传统力学方法的挑战
- 1.2 数据科学方法的背景
- 1.2.1 数据科学的起源：从实验归纳到统计建模
- 1.2.2 数值计算的崛起：从解析方法到自动化模拟
- 1.2.3 数据科学的演化与智能化转型
- 1.3 发展数据力学的重要意义
- 1.3.1 数据力学的核心价值与定义
- 1.3.2 数据力学的应用领域与实践
- 1.3.3 数据力学的未来发展趋势
- 1.4 维数灾难
- 1.5 小结
- 1.1 传统力学方法的概况与发展挑战
- 第2章 概率论与数理统计初步
- 2.1 概率论简介
- 2.1.1 基本概念
- 2.1.2 随机变量与概率分布
- 2.1.3 期望与方差
- 2.2 数理统计简介
- 2.2.1 基本定理与概念
- 2.2.2 统计分析
- 2.2.3 回归分析
- 2.3 小结
- 2.1 概率论简介
- 第3章 非线性优化与变分法
- 3.1 非线性优化
- 3.1.1 认识优化
- 3.1.2 优化问题中的相关概念
- 3.1.3 结构优化力学问题的数学建模案例
- 3.1.4 一元函数的无约束优化
- 3.1.5 多元函数的无约束优化、梯度及黑塞矩阵
- 3.1.6 受等式约束的多元函数的优化、拉格朗日乘子法
- 3.1.7 受不等式约束的多元函数优化——库恩–塔克条件
- 3.2 变分法
- 3.2.1 泛函与空间
- 3.2.2 变分法
- 3.2.3 力学中的变分原理
- 3.3 基于变分法的概率统计
- 3.3.1 贝叶斯拟合
- 3.3.2 变分推断与贝叶斯拟合的结合
- 3.4 小结
- 3.1 非线性优化
- 第4章 数据力学之机器学习
- 4.1 机器学习概述
- 4.1.1 机器学习简介及典型应用
- 4.1.2 机器学习的主要类别
- 4.1.3 机器学习的基本流程
- 4.2 机器学习分类和任务
- 4.2.1 监督学习
- 4.2.2 无监督学习
- 4.2.3 半监督学习
- 4.2.4 强化学习
- 4.3 小结
- 4.1 机器学习概述
- 第5章 数据力学之数据分析
- 5.1 数据结构
- 5.1.1 数据与数据结构的基本概念
- 5.1.2 数据结构与存储机制
- 5.1.3 数据模态表示与模型适配
- 5.1.4 数据的预处理
- 5.2 数据拟合
- 5.2.1 多项式拟合
- 5.2.2 多项式拟合MATLAB代码
- 5.2.3 贝叶斯拟合
- 5.2.4 贝叶斯拟合MATLAB代码
- 5.3 数据聚类与主成分分析
- 5.3.1 数据聚类
- 5.3.2 主成分分析
- 5.4 数据同化分析
- 5.4.1 数据同化方法简介
- 5.4.2 数据同化的基本原理
- 5.4.3 数据同化的一般步骤
- 5.4.4 数据同化的主要算法
- 5.5 小结
- 5.1 数据结构
- 第6章 数据力学之神经网络
- 6.1 前馈神经网络
- 6.2 激活函数
- 6.2.1 Sigmoid函数（Logistic函数）
- 6.2.2 Tanh函数（双曲正切激活函数）
- 6.2.3 ReLU函数
- 6.2.4 Leaky ReLU函数
- 6.2.5 Softmax函数
- 6.3 正向传播
- 6.3.1 输入层计算
- 6.3.2 隐藏层计算
- 6.3.3 输出层计算
- 6.3.4 正向传播的数学表示
- 6.4 自动微分
- 6.4.1 深度学习框架介绍
- 6.4.2 数值微分
- 6.4.3 符号微分
- 6.4.4 自动微分
- 6.5 反向传播
- 6.6 优化算法
- 6.6.1 最速下降法
- 6.6.2 Adam法
- 6.6.3 牛顿法
- 6.6.4 阻尼牛顿法
- 6.6.5 拟牛顿法
- 6.6.6 DFP法
- 6.6.7 BFGS法
- 6.7 正则化
- 6.7.1 过拟合
- 6.7.2 正则化方法
- 6.7.3 正则化参数的优化方法
- 6.8 小结
- 第1章 绪论
- 第二部分 数据力学的工程应用
- 第7章 数据力学中数据驱动的建模方法
- 7.1 DDCM的基本原理
- 7.2 典型工作与理论拓展
- 7.2.1 线弹性问题中的DDCM
- 7.2.2 弹塑性问题中的DDCM
- 7.2.3 数据驱动动力学
- 7.3 与机器学习的融合
- 7.4 小结
- 第8章 物理信息神经网络
- 8.1 物理信息神经网络
- 8.2 结合时间离散的物理信息神经网络
- 8.3 结合区域分解技术的物理信息神经网络
- 8.3.1 扩展物理信息神经网络
- 8.3.2 课程–迁移学习物理信息神经网络
- 8.4 求解变刚度薄板问题的双网络策略物理信息神经网络
- 8.4.1 变刚度薄板问题介绍
- 8.4.2 双网络策略物理信息神经网络
- 8.5 物理信息Kolmogorov–Arnold网络
- 8.6 神经正切核分析物理信息神经网络
- 8.6.1 神经正切核
- 8.6.2 物理信息神经网络中的神经正切核理论
- 8.7 算例
- 8.8 小结
- 第9章 数据力学在力学控制方程建模中的应用
- 9.1 数据驱动识别偏微分方程的Seq-SVF方法
- 9.2 基于Seq-SVF方法的杆系统控制方程建模实例
- 9.3 弹性变形及热力耦合系统控制方程建模实例
- 9.4 数据驱动杆系统控制方程建模MATLAB代码示例
- 9.5 小结
- 第10章 数据力学在力学宏观本构建模与分析中的应用
- 10.1 本构建模概述
- 10.2 数据驱动本构建模的发展路径
- 10.3 MAP123本构建模方法
- 10.4 基于数值实验的数据驱动本构建模实例
- 10.5 数据驱动本构建模MATLAB代码示例
- 10.6 小结
- 第11章 数据力学在结构分析与设计中的应用
- 11.1 线性边界假设条件下的传统子结构分析
- 11.2 考虑物理约束的多尺度形函数神经网络训练与优化
- 11.3 问题无关机器学习增强的结构拓扑优化
- 11.4 代码
- 11.5 小结
- 第12章 数据力学在分子动力学中的应用
- 12.1 经验势能参数优化
- 12.2 数据驱动势函数构建
- 12.3 小结
- 第13章 数据力学在多刚体系统动力学建模中的应用
- 13.1 多刚体系统动力学方程
- 13.2 基于拉格朗日的全连接神经网络
- 13.3 基于LNN的数据驱动多刚体系统动力学建模
- 13.4 数值仿真
- 13.5 小结
- 第14章 数据力学在重大工程装备先进制造中的应用
- 14.1 盾构装备自主研制与应用中的关键力学问题
- 14.2 盾构工程实测数据力学分析与反演识别
- 14.3 融合底层力学逻辑的盾构掘进载荷机器学习
- 14.4 小结
- 第15章 数据力学在深地油气开采中的应用
- 15.1 多孔数字岩心的生成
- 15.2 多孔岩石渗流分析
- 15.3 岩石断裂破坏预测
- 15.4 小结
- 第7章 数据力学中数据驱动的建模方法
- 参考文献
