Jan, 2024
基于物理信息的机器学习模型用于时变波浪涌浪预测
A Physics-informed machine learning model for time-dependent wave runup prediction
Saeed Saviz Naeini, Reda Snaiki
TL;DR为了有效地进行沿海工程设计和管理，本研究提出了一种基于物理知识的机器学习方法，用于高效准确地模拟波浪涌浦时间序列。该方法将 Surfbeat（XBSB）模式的计算效率与 XBeach 模型中非静力学（XBNH）模式的准确性相结合，通过条件生成对抗网络（cGAN）将波浪涌浦的图像表示从 XBSB 映射到 XBNH，从而实现改进的图像到图像映射任务性能。经过模型训练后，可预测高保真度的基于 XBNH 的标量图，并通过逆小波变换重新构建时间序列的波浪涌浦。模拟结果强调了该模型在预测波浪涌浦方面的效率和健壮性，并表明其在风险评估和管理方面具有潜在价值。