基于SSA-CNN模型的双排开孔圆筒防波堤透射系数预测
Prediction of transmission coefficient of double-row perforated cylinder breakwater based on SSA-CNN model
邓斌 1王玲 2何军 3尹龙斌 2蒋昌波 4陈杰 4伍志元4
作者信息
- 1. 长沙理工大学 水利与环境工程学院,湖南 长沙 410114;水沙科学与水灾害防治湖南省重点实验室,湖南 长沙 410114;水利工程智能建设与运维全国重点实验室,天津 300072
- 2. 长沙理工大学 水利与环境工程学院,湖南 长沙 410114
- 3. 中交水运规划设计院有限公司,北京 100007
- 4. 长沙理工大学 水利与环境工程学院,湖南 长沙 410114;水沙科学与水灾害防治湖南省重点实验室,湖南 长沙 410114
- 折叠
摘要
双排开孔圆筒防波堤是一种新型环境友好型防波堤,对其消浪特性的研究具有重要工程意义.随着人工智能的发展,基于机器学习技术求解防波堤水动力学问题成了一种新的研究范式.本文提出基于麻雀搜索算法(Sparrow Search Algorithm,SSA)优化卷积神经网络(Convolutional Neural Net-work,CNN)模型,实现对双排开孔圆筒防波堤透射系数的智能优化预测.结果表明:(1)确定波高、波周期、波长、波速、排间距、开孔率、水深为影响透射系数的关键因子;(2)当SSA-CNN模型的种群数量为 10时,对波浪透射系数预测的R2 值达到 0.990 9,平均相对误差相比单一的CNN模型降低了5.07%.研究成果为利用神经网络研究波浪透射问题提供了一种新的优化预测模型.
Abstract
The double-row perforated cylinder breakwater is a new type of environment-friendly breakwater,and the research on its wave absorbing characteristics is of great engineering significance.With the development of arti-ficial intelligence,solving the water dynamics problem of breakwater based on machine learning technology has be-come a new research paradigm.This paper proposes a Convolutional Neural Network(CNN)model based on Spar-row Search Algorithm(SSA)to achieve intelligent optimization prediction of transmission coefficient of double-row perforated cylindrical breakwater.The results show that:(1)wave height,wave period,wavelength,wave velo-city,row spacing,hole rate and water depth are identified as the key factors affecting the transmission coefficient.(2)When the population size of the SSA-CNN model is 10,the R2 value of the wave transmission coefficient predic-tion reaches 0.990 9,and the average relative error is reduced by 22.24%compared with the single CNN model.The research results provide a new optimal prediction model for the study of wave transmission by using neural net-works.
关键词
双排开孔圆筒防波堤/消浪特性/麻雀搜索算法/卷积神经网络/透射系数Key words
double-row perforated cylinder breakwater/wave absorbing characteristic/sparrow search algorithm/convolu-tional neural network/transmission coefficient引用本文复制引用
基金项目
国家重点研发项目(2021YFB2601100)
国家自然科学基金项目(51979015)
国家自然科学基金项目(51839002)
水利工程仿真与安全国家重点实验室开放基金项目(HESS-2114)
湖南省科技创新计划项目(2020RC3037)
湖南省科技创新计划项目(20hnkj019)
出版年
2024
NETL
NSTL
万方数据