摘要: |
浅水区中波浪的传播受水深变化影响显著,改变海底地形可以控制浅水波的传播路径和波高分布.缓坡方程一类的理论模型通过将波浪势函数拉普拉斯方程的三维边值问题进行简化降维,建立了描述变水深区域波高在水平面上分布变化的二维波动方程.Hughes等[1]研究波动方程与循环神经网络间的等效映射关系,利用循环神经网络优化二维薄片上材料的密度分布,实现了对英文元音的分类识别.受此启发,基于波动方程与循环神经网络的等效关系,利用PyTorch机器学习框架,构建与浅水波二维波动方程等效的神经网络模型.等效神经网络的正向步进等同于计算浅水波在给定海底地形上的传播过程.为控制浅水波传播路径和波高分布,设定了不同的设计目标来训练等效神经网络模型.每轮正向计算得到的结果与训练目标进行比对,由误差函数计算训练误差,利用时间反向传播算法根据误差计算并更新水深分布.经多轮训练后,浅水波传播路径和波高分布趋近设计目标,从而获得满足设计目标的最优水深分布.计算得到了浅水波发生反射聚波和透射聚波的海底地形,重现了 Bragg共振现象.训练算例的结果表明,反射聚波可使聚波处波浪能密度提高至入射波的16倍以上;透射聚波可使波浪能密度提高至9倍以上. |