面向弹性 Bragg 治堤运动预测的物理先验引导双流注意力网络
机器学习
2025-10-17 v1
摘要
对于弹性 Bragg 治堤在海洋环境中的精确运动响应预测对于其结构安全和运行完整性至关重要。然而，传统的深度学习模型在面对未见过的海浦状态时往往表现出有限的泛化能力。这种缺陷源于对海洋系统中自然衰减现象的忽视以及对波浪-结构相互作用(WSI)建模不充分。为克服这些挑战，本研究提出了一种 novel 的物理先验引导双流注意力网络（PhysAttnNet）。首先，衰减双向自注意力（DBSA）模块包含可学习的时序衰减，以为最近的状态分配更高的权重，以模拟自然衰减现象。同时，相位差引导的双向交叉注意力（PDG-BCA）模块在双向交叉计算范式中使用基于余弦的偏置，显式捕捉波浪与结构之间的双向相互作用和相位关系。这些流通过全局上下文融合（GCF）模块进行协同集成。最后，PhysAttnNet 使用混合时频损失进行训练，该损失同时最小化时域预测误差和频域谱系差异。针对波浪沉槽数据集进行了全面实验，表明 PhysAttnNet 在主流模型上显著优于。此外，跨情景的泛化测试验证了该模型对未见环境的鲁棒性和适应性，凸显了其作为面向海洋工程复杂系统预测模型框架的潜力。
引用
@article{arxiv.2510.14250,
title = {A Physics Prior-Guided Dual-Stream Attention Network for Motion Prediction of Elastic Bragg Breakwaters},
author = {Lianzi Jiang and Jianxin Zhang and Xinyu Han and Huanhe Dong and Xiangrong Wang},
journal= {arXiv preprint arXiv:2510.14250},
year = {2025}
}