基于機器學習的脈動源格林函數預報初探

作者：常宏宇,朱仁傳,黃山

摘要：自由面格林函數是邊界元法求解海洋工程水動力學問題的基礎,如何精確而快速地計算格林函數及其導數是水動力求解的難題。對無因次化表達的脈動點源格林函數計算建立的數據庫,采用深度學習函數庫Keras,對數據庫進行學習,建立了神經網絡預報模型,探討了全局和局部學習及預報精度,研究了模型預報效率。研究表明機器學習模型預報的格林函數能夠保證較高的精度,計算效率高于數值積分計算,低于解析函數為主的多項式逼近,為提高水動力問題求解效率,解決傳統計算難題提供了新的思路。

發文機構：上海交通大學船舶海洋與建筑工程學院海洋工程國家重點實驗室

關鍵詞：自由面格林函數脈動點源機器學習邊界元法神經網絡free-surface Green functionpulsating sourcemachine learningboundary element methodneural network

分類號： P751[交通運輸工程—港口、海岸及近海工程]