来源：期刊VIP网 时间：
作者：金鑫;王宇圣;张福贵;陈健;李登松;樊昌元;刘名名;
单位：成都信息工程大学电子工程学院;中国电建集团河北省电力勘测设计研究院有限公司;成都信息工程大学自动化学院;聊城大学建筑工程学院;
摘要：基于Navier-Stokes方程的数值模型和物理模型实验研究流体晃荡现象存在计算效率低和经济成本高的不足。为此，本文通过构建神经网络模型对数值和实验结果进行时序重构，预测流体晃荡的压强和波高。以数值和实验的总压强和自由表面高程数据作为训练样本，将神经网络中表征能力强的CNN、RNN、LSTM用于重演流体晃荡响应的时间演化过程。在模型训练过程中，系统地调节神经网络的内部结构参数，分析预测结果与实际值之间的误差和相关性。结果表明，RNN和LSTM的重构误差低于4%，相关性达到0.88，整体优于CNN;LSTM的整体性能最佳，可以作为预测长序列数据的首选。整体来讲，三种代理模型均可以较好地复现流体晃荡的波高和压强，在流体晃荡研究方面具有良好的应用前景。
关键词：流体晃荡;;神经网络;;数值模拟;;预测
基金资助：四川省科技厅重点研发计划项目（2022YFS0541;2024YFHZ0173）;; 四川省自然科学基金青年项目（2022NSFSC0976;2022NSFSC1066）;; 四川省区域创新合作基金项目（2023YFQ0111）;; 国家自然科学基金青年项目（52109096）;; 教育部产学合作协同育人项目（230806521252005）;; 科技部第二次青藏高原科学考察-极端天气气候事件与灾害风险（2019QZKK0104）
