数据驱动的极端响应估计
机器学习
2025-03-28 v1 数据分析、统计与概率
摘要
本文发展了一种快速估计极端船舶响应事件的方法。该方法涉及使用长短期记忆（LSTM）神经网络对低保真水动力模型进行训练，以达到更高保真模拟的水平。方法更侧重于通过隔离低保真仿真中识别出的峰值事件附近的时间序列，并仅针对大事件附近较短的时间序列进行训练。该方法在 Sea State 5（显著波高为 4.0 米，模态周期为 15.0 秒）下的pitch时间序列最大值估计方面进行了测试。结果还与未对大事件进行特殊考虑即可训练的LSTM进行了比较。
引用
@article{arxiv.2503.21638,
title = {Data-Driven Extreme Response Estimation},
author = {Samuel J. Edwards and Michael D. Levine},
journal= {arXiv preprint arXiv:2503.21638},
year = {2025}
}
备注
From the 35th Symposium on Naval Hydrodynamics