来源：期刊VIP网 时间：
作者：吴钦;杜林;李广年;舒跃辉;郭海鹏;
单位：宁波大学海运学院;宁波大学东海战略研究院;
摘要：常规代理模型的阻力预报是以主尺度比、船型系数等作为输入，相比于CFD计算时输入完整船型，其较低的信息密度导致代理模型预报精度较低。本文以4108个完整船型几何形状特征张量作为输入，采用神经网络作为代理模型，以船舶的总阻力系数作为输出，研究船型阻力的高维度、高精度预报方法。首先，将船型进行无量纲化处理，并提取特征张量作为输入；然后，建立神经网络模型，搭建输入层、隐藏层和输出层；最后，将船型的特征张量与总阻力系数输入神经网络，通过误差反向传播进行训练，直至损失函数值收敛。本文研究结果可为基于高维代理模型的阻力性能预报提供理论和技术支持。
关键词：船舶工程;;阻力性能;;高维代理模型;;人工神经网络
基金资助：高等学校学科创新引智计划资助项目（D21013）;; 国家自然科学基金-青年科学基金资助项目（52201368）;; 船舶总体性能创新研究开放基金资助项目（11322203）
