利用机器学习轻松生成并吸收波浪
流体动力学
2022-02-24 v1 计算物理
摘要
高阶造波理论已逐渐可用，但其在适用波浪范围和造波机类型上受限。另一种思路是借助机器学习寻找非线性函数关系。因此，本文提出一种基于机器学习的简单通用框架，用于生成并吸收波浪。该框架训练神经网络以建立造波机处自由面高程与造波机速度之间的传递函数。值得注意的是，引入了基于造波机制的惩罚项和数据增强技术以提升神经网络泛化能力，而非纯数据驱动。因此，一旦给定造波机前的目标波剖面，便可同时实现造波与反射波吸收。以活塞式与柱塞式造波机为例，采用自研数值求解器模拟造波与吸波。模拟的波剖面与波轨迹速度经解析解验证，表明所提框架能有效消除二次反射波。随后对孤立波与新年波的生成进行验证，表明生成波与期望波高程吻合良好。所提框架有助于未来造波机设计，且无需复杂理论推导。
引用
@article{arxiv.2202.11560,
title = {Easily generating and absorbing waves using machine learning},
author = {Yulin Xie and Xizeng Zhao},
journal= {arXiv preprint arXiv:2202.11560},
year = {2022}
}