[发明专利]一种基于神经网络的台风浪对防波堤破坏预警方法及系统

说明书

本申请公开一种基于神经网络的台风浪对防波堤破坏预警方法及系统，包括以下步骤：获取防波堤位置波浪要素、水位组合条件和防波堤横断面参数；基于防波堤位置波浪要素、水位组合条件和防波堤横断面参数，开展水动力环境‑防波堤散粒体受力分析，获得散粒体稳定性影响的关键因素；基于散粒体稳定性影响的关键因素，建立水动力环境—散粒体失稳重量数据库；构建并训练改进后的BP神经学习网络，得到台风浪极端海况对防波堤破坏预警模型，在台风浪极端海况时对防波堤破坏做出预警。本申请开展系列组合模型试验，获得水动力环境—散粒体失稳破坏重量数据库，运用改进后的BP网络模型，经网络训练和检验，可对台风浪极端海况的防波堤破坏进行预警。

技术领域

本申请属于港口与海岸工程领域，具体涉及一种基于神经网络的台风浪对防波堤破坏预警方法及系统。

背景技术

防波堤是港口、海岸工程建设中的重要水工建筑物之一，其作用是保护港口的水域不受波浪的侵袭或减小波浪的作用。由于台风引起的极端海况形成冲击能量，往往使得防波堤遭受严重的破坏，破坏的主因为强风引起的波浪和水位叠加，在破坏中的防波堤，91%以上是护面块体或者坡脚块石等散粒体滚落失稳造成的。另外破坏中的防波堤大部分都建设在水深大浪处，因此给破坏后的防波堤修复难度加大，以及散粒体修复费用成倍增加。因此面临台风浪极端海况破坏力强，破坏造成经济损失巨大难题，提供一种精确、实用的防波堤破坏智能预警技术具有极大的需求，也是工程界面临的一项重要而迫切的任务。

目前揭示在波浪作用下防波堤散粒体失稳破坏的技术手段，常用的有经验公式计算、物理模型试验和数值模拟3种，由于经验公式只能用来近似的估计，通用性不强；物理模型的研究，受测量仪器和试验场地、缩尺效应和模型制作时间等限制，存在模拟范围小、时间滞后；数值模拟较物理模型试验具有方便、快捷和经济等优点，但散粒体失稳受各种复杂因素的影响表现为非线性动力学过程，且因素之间的变化及相互影响关系也很难确定，目前仍无法建立起在各种情况下普遍采用的数学模型，同时上述3种研究技术手段，均无法快速反映未来时间段台风登陆时，实现快速预报和预警的功能，难以为后方港口管理者开展应急保障提供足够的时长。

基于上述急需问题和目标实现，鉴于人工神经网络具有很强大的处理复杂非线性问题，以及快速准确预报预警的能力，因此发明了一种基于神经网络的台风浪对防波堤破坏预警方法及系统。利用人工神经网络自学习功能，采用编制新程序的算法，以模型试验成果作为神经网络的训练和测试样本，将测模型试验结果、经验公式计算和现场实测数据进行检验，经多次迭代方式，最终达到期望目标差；解决了实际问题，实现了快速预警的目标。

发明内容

本申请提出了一种基于神经网络的台风浪对防波堤破坏预警方法及系统。采用由一个输入层、一个隐含层和一个输出层构成的三层改进的BP（Back-Propagation）神经网络，网络训练方法采用L-M（非线性最小二乘法）算法，神经网络输出值与目标值之间的吻合程度用均方根误差进行衡量，隐含层和输出层的激活函数为分别为Sigmoid型函数和线性函数。网络运行流程为：首先确定台风浪极端海况下防波堤散粒体破坏的主要影响因素，选取足够多的训练样本数据；其次设置参数：包括输入层及输出层神经元、隐含层的数目、神经元数、初始权值和激活函数、初始学习速率、误差速率和期望目标误差等；最后开始训练网络，获得计算结果后，将网络模拟结果与模型试验结果、经验公式计算进行对比检验，若两者相关系数较差，则进一步对预报模型设置参数优化后再次迭代计算，直到满足期望目标误差允许范围。

为实现上述目的，本申请提供了如下方案：

一种基于神经网络的台风浪对防波堤破坏预警方法，包括如下步骤：

S1.获取防波堤位置波浪要素、水位组合条件和防波堤横断面参数；

S2.基于所述防波堤位置波浪要素、所述水位组合条件和所述防波堤横断面参数，开展水动力环境-防波堤散粒体受力分析，获得散粒体稳定性影响的关键因素；

其中，所述散粒体受力分析方法包括：