用于波浪载荷预测的灰箱模型
机器学习
2021-07-01 v2 信号处理
流体动力学
摘要
对海上结构物及其构件所受波浪载荷的量化评估，是判断其剩余使用寿命的关键环节。在许多应用中，常采用著名的莫里森方程（Morison's equation），根据假定的质点速度与加速度来估算波浪作用力。本文提出一种灰箱建模方法，以改进对结构构件受力的预测。灰箱模型旨在利用基于数据的建模所增强的预测能力，同时保留对系统行为的物理洞察；就本文工作而言，这可视为物理信息机器学习（physics-informed machine learning）。建立灰箱模型有多种可行途径。本文展示了将物理（白箱）与基于数据（黑箱）组件相结合的两种方式：其一为两组件简单相加，其二是将白箱预测作为额外输入送入黑箱。此处以莫里森方程作为基于物理的组件，并与基于数据的高斯过程 NARX（GP-NARX，即更知名的高斯过程回归的一种动态变体）相结合。采用 GP-NARX 公式面临两个关键挑战，本文予以解决：一是适当滞后项的选择，二是动态 GP 内不确定性传播的正确处理。性能最佳的灰箱模型——残差建模 GP-NARX，相较莫里森方程和黑箱 GP-NARX，在 NMSE 上分别实现了 29.13% 和 5.48% 的相对降低，并且在数据集覆盖不足的情况下，模型的泛化外推能力也有显著提升。
引用
@article{arxiv.2105.13813,
title = {Grey-box models for wave loading prediction},
author = {Daniel J Pitchforth and Timothy J Rogers and Ulf T Tygesen and Elizabeth J Cross},
journal= {arXiv preprint arXiv:2105.13813},
year = {2021}
}