深度神经算子可预测不规则波下浮式海洋结构的实时响应
大气与海洋物理
2023-12-04 v3
摘要
在浮式海洋结构数字孪生模型中使用神经算子可为结构响应预测与健康监测带来范式转变,为实时控制提供有价值的信息。本工作评估了三种神经算子的性能,即深度算子网络(DeepONet)、傅里叶神经算子(FNO)和小波神经算子(WNO)。我们基于世界气象组织(WMO)描述的波特征,考察这些算子准确捕捉浮式结构在六种不同海况等级 下响应的有效性。结果表明,这些高精度神经算子能更高效地给出结构响应,比使用传统数值求解器的动力分析快至多两个数量级。此外,与常用于时间序列估计的门控循环单元(GRUs)这一循环神经网络相比,神经算子更准确且高效,尤其在数据量有限的情况下。为进一步提升精度,我们提出了小波-DeepONet和自适应WNO等新颖扩展。综上,我们的研究表明,FNO在逼近一个输入函数空间到输出空间的映射以及对于频带较窄的响应上优于所有其他算子,而对于学习输入空间中多个函数到输出空间的映射以及捕捉较宽频带内的响应,带历史状态的DeepONet提供了最高精度。
引用
@article{arxiv.2302.06667,
title = {Deep neural operators can predict the real-time response of floating offshore structures under irregular waves},
author = {Qianying Cao and Somdatta Goswami and Tapas Tripura and Souvik Chakraborty and George Em Karniadakis},
journal= {arXiv preprint arXiv:2302.06667},
year = {2023}
}
备注
40 pages, 16 figures, 13 tables