基于神經網絡的沉管管節水阻力系數預報

沈可

摘 要：針對沉管隧道水阻力系數取值區間變化范圍較大的難題，采用徑向基神經網絡對模型試驗中沉管管節的水阻力系數進行學習。根據訓練好的網絡參數，對不同的水深吃水比和拖航角度的水阻力系數進行預報。通過對比驗證預報結果，神經網絡方法可以較為準確地預報管節拖航的水阻力系數。該預報方法為后續類似工程中的同類管節水阻力系數的提供了新的預估手段，進而為管節拖航施工決策提供支撐。

關鍵詞：管節 水阻力系數 神經網絡 預報

1.引言

沉管隧道是由若干預制管節組合而成為連接水體兩端陸上交通的隧洞型交通運輸載體。其施工過程是將若干預制的管節浮運到現場，依次沉放安裝，在水下互相連接施工。其中，管節浮運是沉管隧道水上施工的關鍵環節之一。管節預制干塢和隧道實際施工現場有一定距離，多數情況下都需要以水為介質進行管節的浮運。

沉管管節多為吃水較深、干舷較小的鈍體結構，且管節浮運速度很低，導致其低速操縱性很差，不便于控制。箱形鋼筋混凝土結構沉管管節在水中的受力問題本質上講就是一個鈍體在限制區域的粘性興波問題。物體在無限域粘性介質中的繞流問題目前僅在低雷諾數時才有滿意的計算求解，而沉管隧道所涉及的內容不僅僅是鈍體在雷諾數較大的介質運動，還受到限制邊界以及自由表面的影響。因此，水動力學模型試驗成為研究管節浮運過程的受力及穩性的重要手段。……