TransPhyX：基于Transformer-XGBoost混合架构的随机载荷下动态物理场高精度预测方法

本文提出TransPhyX混合框架，通过XGBoost瞬态编码与Transformer动态预测（TFDP）模块解耦，结合异常去除集成（ORE）算法，实现随机载荷时序中应力/温度场的高精度预测（99.79% fidelity），计算成本较有限元（FEM）降低97.79%，为机械装备数字孪生提供实时监测解决方案。

　　

Highlight

本研究创新点在于：

1. 1.

   提出递归随机载荷生成与参数化数据集构建策略，针对性解决随机物理场预测中高保真数据集缺失的问题

2. 2.

   开发混合预测架构TransPhyX，通过XGBoost预编码器与Transformer动态预测（TFDP）模块的解耦设计，提升特征泛化能力与时空连续性，相比有限元（FEM）计算成本降低99.32%，预测保真度达98.55%

3. 3.

   引入异常去除集成（ORE）机制，融合多尺度基于斑块的TFDP预测，通过过滤异常输出系统提升鲁棒性与精度，最终实现99.79%预测保真度，计算成本较FEM降低97.79%

Conclusion

本研究提出的TransPhyX框架成功解决了传统数值模拟在随机载荷时序分析中的计算效率瓶颈。通过参数化随机载荷生成、基于注意力机制的特征提取和集成学习优化，该框架展现出卓越的动态物理场预测能力。核心突破包括：

（1）递归关系驱动的随机载荷生成策略

（2）XGBoost-Transformer混合架构实现瞬态-动态预测解耦

（3）ORE集成机制确保多尺度预测的稳定性与准确性

这些成果为工程结构健康监测和数字孪生系统提供了高效计算基础。