基于神经网络算法的防波堤波浪力计算

基于神经网络算法的防波堤波浪力计算

论文摘要

海岸是陆地与海洋的交界线,海岸水域对于人类活动,在当今具有特别重要的意义。防波堤是港口、海岸工程建设中的重要水工建筑物之一。直立墙是港口及海岸防护工程最常用的一种结构形式,波浪作用力通常是它们遭受到的最主要外荷载之一。波浪对堤岸构造物的破坏作用,一直是工程界广泛重视的问题。防波堤直接承受波浪压力的作用,一旦遭到破坏,其后果十分严重;同时防波堤大都建造在水深浪大处,修建技术复杂,造价高昂。随着沿海地区社会经济的不断发展,人类在海岸带地区的活动日趋频繁,沿海工程项目的数量越来越多,投资规模越来越巨大,工程项目的风险性也越来越引起人们的高度关注,这些都对近岸波浪等海洋环境要素精确预测提出了更高的要求。近岸波浪的计算,对近岸工程设计、浅海生产作业、近岸环境保护等方面具有十分重要的意义。因此提供精确、实用的近岸波浪作用力计算方法,是工程界面临的一项重要而迫切的任务。海洋环境情况十分复杂,近岸建筑所受波浪力由于受到各种复杂因素的影响表现为非线性动力学过程,而且因素之间的变化及相互影响关系也很难确定。近年来,信息技术特别是人工智能技术的发展,为波浪力计算提供了新的途径。鉴于人工神经网络具有很强大的处理复杂非线性问题的能力,本文紧紧围绕人工神经网络领域的数学知识,提出用改进的BP网络算法来建立波浪力计算模型,进行了基于人工神经网络的波浪力计算的研究,将二者有机结合,应用到海洋工程中去,取得良好效果。具体工作如下:本文在水槽中进行了建筑物前不同工况下的规则波物理模型试验,测得其正立面波浪作用力,从物理模型试验角度探究直立防波堤波浪受力状况;针对试验中的工况下的直立堤断面,运用我国规范及国外常用的计算方法进行了波浪力推算,并进行了对比;本文在现有堤前波浪作用试验研究成果的基础上,根据波浪力与周期、波高、堤前水深等的关系,设计并实现了基于神经网络算法的波浪力计算模型。借用神经网络改进的BP算法对防波堤波浪作用进行数值拟合,探究该种算法在防波堤工程应用的实用性和可行性。国内外在这方面的研究还处于起步阶段,不论从理论还是工程上,本研究都具有重要的意义。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题研究的意义
  • 1.2 波浪作用力的研究现状
  • 1.2.1 研究方法概述
  • 1.2.2 神经网络在海洋工程领域的应用
  • 1.3 本文主要研究内容
  • 2 目前波浪作用力算法分析
  • 2.1 《海港水文规范》公式
  • 2.2 永井公式
  • 2.3 合田公式
  • 2.4 前苏联规范公式
  • 2.5 米尼金公式
  • 2.6 本章小结
  • 3 基于人工神经网络技术波浪力计算
  • 3.1 人工神经网络技术模型
  • 3.1.1 人工神经元
  • 3.1.2 人工神经网络的特性
  • 3.1.3 人工神经网络的学习方式
  • 3.2 BP 算法
  • 3.2.1 BP 网络模型
  • 3.2.2 BP 算法的数学描述
  • 3.2.3 BP 算法的局限和改进
  • 3.3 神经网络算法在波浪力计算中应用算例
  • 3.3.1 BP 模型的设计思路
  • 3.3.2 波浪力计算模型
  • 3.4 本章小结
  • 4 试验设计及数据分析
  • 4.1 试验内容
  • 4.1.1 工程概况
  • 4.1.2 试验内容
  • 4.2 试验设备及方法
  • 4.2.1 造波系统
  • 4.2.2 测试仪器
  • 4.2.3 模型制作
  • 4.2.4 依据波制作
  • 4.2.5 试验数据采集及处理
  • 4.3 测试试验数据
  • 4.4 现有波浪力算法计算结果
  • 4.5 神经网络算法波浪力计算结果
  • 4.5.1 样本数据选取及其处理
  • 4.5.2 计算过程及数据处理
  • 4.6 比较分析
  • 4.7 本章小结
  • 5 结论与展望
  • 参考文献
  • 个人简介
  • 参加的科研项目
  • 发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].基于神经网络算法的人脸识别[J]. 电子技术与软件工程 2019(24)
    • [2].基于云模型的混合量子神经网络算法及其仿真研究[J]. 统计与信息论坛 2020(02)
    • [3].基于神经网络算法的交通流量预测建模与计算[J]. 现代电子技术 2020(10)
    • [4].黄金分割神经网络算法在水质预测中的应用[J]. 中国水运(下半月) 2020(09)
    • [5].神经网络算法在水泥生产线中的优化分析[J]. 四川水泥 2018(08)
    • [6].基于主成分分析的神经网络算法对期权价格预测研究[J]. 浙江理工大学学报(自然科学版) 2017(01)
    • [7].深度神经网络算法研究及应用[J]. 科技资讯 2017(27)
    • [8].采用GA-BP神经网络算法改善压力传感器的稳定性[J]. 化工自动化及仪表 2015(11)
    • [9].猫狗自动分类工厂[J]. 少年电脑世界 2020(05)
    • [10].计算机网络连接增强优化中的均场神经网络算法[J]. 数码世界 2017(02)
    • [11].人工智能艺术领域阶段性应用调研报告[J]. 艺术学界 2017(01)
    • [12].热传导界面问题的一种神经网络算法[J]. 四川大学学报(自然科学版) 2020(06)
    • [13].基于BP神经网络算法的超高电梯投资分析[J]. 铁道勘测与设计 2017(02)
    • [14].基于粒子群优化神经网络算法的货运机车能耗预测研究[J]. 铁道货运 2019(12)
    • [15].神经网络算法加速天线优化设计[J]. 无线电工程 2020(10)
    • [16].BP神经网络算法用于专业机械快速设计[J]. 机械设计与制造 2019(07)
    • [17].基于神经网络算法的码头新型分缝结构优化研究[J]. 中国水运(下半月) 2019(08)
    • [18].基于神经网络算法的热处理火焰监测系统研究[J]. 福建茶叶 2019(07)
    • [19].基于神经网络算法的大数据分析方法研究[J]. 软件工程 2018(09)
    • [20].基于改进神经网络算法的电子设备控制方法仿真[J]. 佳木斯职业学院学报 2017(11)
    • [21].基于在线神经网络算法的结构恢复力预测方法[J]. 黑龙江科技大学学报 2015(06)
    • [22].基于FPGA的误差校正神经网络算法设计与实现[J]. 电子器件 2015(04)
    • [23].模糊神经网络算法与火灾探测器的结合[J]. 电气应用 2015(19)
    • [24].基于改进神经网络算法的木马控制域名检测方法[J]. 电信科学 2014(07)
    • [25].容忍忆阻器非理想特性的深层神经网络算法研究[J]. 微纳电子与智能制造 2019(04)
    • [26].优化的神经网络算法设计及其在地表发射率反演中的应用[J]. 科技创新与应用 2020(17)
    • [27].基于神经网络算法的旱季排水管网泵站液位预测方法[J]. 电子技术 2020(01)
    • [28].基于神经网络算法对文本的情感分析[J]. 电子制作 2020(20)
    • [29].基于不平衡数据和神经网络算法的通信光缆故障预测分析[J]. 信息系统工程 2019(10)
    • [30].你好,神经网络算法[J]. 少年电脑世界 2020(04)

    标签:;  ;  ;  ;  ;  

    基于神经网络算法的防波堤波浪力计算
    下载Doc文档

    猜你喜欢