魏凱 林靜 李明陽(yáng)

摘要：中國(guó)跨海橋梁多建于近岸島礁海域，橋址區(qū)的波浪要素隨時(shí)空演變復(fù)雜。橋址區(qū)波高的準(zhǔn)確推算對(duì)于橋梁結(jié)構(gòu)設(shè)計(jì)和施工組織具有十分重要的意義。提出一種基于外海環(huán)境預(yù)報(bào)數(shù)據(jù)的近岸島礁橋址區(qū)波高人工神經(jīng)網(wǎng)絡(luò)（ANN）推算模型，并以平潭海峽公鐵兩用大橋橋址海域?yàn)檠芯繉?duì)象，運(yùn)用ANN算法中常用的BP神經(jīng)網(wǎng)絡(luò)對(duì)外海海洋預(yù)報(bào)臺(tái)提供的波高、風(fēng)速數(shù)據(jù)以及在橋址區(qū)實(shí)測(cè)波高數(shù)據(jù)進(jìn)行訓(xùn)練，建立二者之間的映射關(guān)系及ANN推算模型。為驗(yàn)證推算模型的可行性和有效性，運(yùn)用上述模型對(duì)橋址區(qū)連續(xù)80d的海浪波高進(jìn)行推算，通過(guò)對(duì)比前人模型和實(shí)測(cè)數(shù)據(jù)發(fā)現(xiàn)，推算波高和實(shí)測(cè)波高的變化趨勢(shì)基本吻合，均方根誤差滿(mǎn)足預(yù)測(cè)要求，獲得了理想的預(yù)測(cè)效果。研究表明，提出的波高ANN推算模型可以利用外海預(yù)報(bào)信息進(jìn)行近岸島礁橋址區(qū)的波高推算，且建模過(guò)程較為簡(jiǎn)單。

關(guān)鍵詞：波高;人工神經(jīng)網(wǎng)絡(luò);近岸島礁橋址區(qū);外海環(huán)境;跨海橋梁

中圖分類(lèi)號(hào)：TU528.41文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2096-6717（2019）06-0089-06

中國(guó)跨海橋梁多建于風(fēng)大浪高的近岸島礁海域，在施工和運(yùn)營(yíng)期間常常面臨惡劣的極端海洋環(huán)境。其中，波浪是影響跨海橋梁結(jié)構(gòu)設(shè)計(jì)、施工安全和組織安排的關(guān)鍵環(huán)境要素之一。但是，與深水、開(kāi)闊海域相比，近岸島礁橋址區(qū)海床地形起伏多變，水深變化劇烈，波浪時(shí)空演變十分復(fù)雜。同時(shí)，中國(guó)海洋觀(guān)測(cè)站大多分布于外海，與跨海橋梁所在的近岸島礁區(qū)域距離較遠(yuǎn)，缺乏對(duì)近岸島礁橋址區(qū)波高的長(zhǎng)期觀(guān)測(cè)，這大大增加了橋址區(qū)波浪高度（簡(jiǎn)稱(chēng)波高）預(yù)測(cè)的難度。因此，對(duì)近岸島礁橋址區(qū)的波高模型開(kāi)展研究具有重要的理論和工程實(shí)用價(jià)值。

中國(guó)《港口與航道水文規(guī)范》（JTS 145-2015）建議根據(jù)遠(yuǎn)海波高，通過(guò)規(guī)范中的淺化和折射系數(shù)來(lái)推算近岸波高。然而，Ti等通過(guò)對(duì)比近岸島礁區(qū)域波高實(shí)測(cè)值和規(guī)范推算值發(fā)現(xiàn)，按規(guī)范法推算得到的波高值明顯大于實(shí)測(cè)值。雖然，現(xiàn)場(chǎng)實(shí)測(cè)是研究近岸島礁區(qū)域波高的有效手段，但周期長(zhǎng)、花費(fèi)大，難以大規(guī)模應(yīng)用。因此，若能建立外海環(huán)境數(shù)據(jù)和橋址區(qū)海域波高的關(guān)系，則可以非常方便地根據(jù)外海環(huán)境推算橋址區(qū)波高。馮衛(wèi)兵等根據(jù)外海深水的風(fēng)浪關(guān)系推算外海的波高，再類(lèi)推到工程區(qū)域的波高，研究了復(fù)雜地形條件下的波高特性。Ti等通過(guò)引入反應(yīng)面法推導(dǎo)波高預(yù)測(cè)方程，利用外海數(shù)據(jù)進(jìn)行橋址區(qū)波高推算。近年來(lái)，人工智能算法，特別是人工神經(jīng)網(wǎng)絡(luò)（Artificial NeuralNetwork，ANN）技術(shù)逐步在海洋預(yù)測(cè)中得以應(yīng)用，例如，沿海港口結(jié)構(gòu)的波浪反射系數(shù)預(yù)測(cè)、近岸波浪勢(shì)能預(yù)測(cè)等。Deo等采用ANN算法進(jìn)行波浪預(yù)測(cè)，并與自回歸模型進(jìn)行比較，發(fā)現(xiàn)自回歸模型正確率略低于神經(jīng)網(wǎng)絡(luò)算法。Jain等在海洋工程神經(jīng)網(wǎng)絡(luò)的應(yīng)用中表示，神經(jīng)網(wǎng)絡(luò)算法可以替代統(tǒng)計(jì)回歸、時(shí)間序列分析等方法，且ANN算法更準(zhǔn)確、高效、簡(jiǎn)單。

鑒于ANN算法的上述優(yōu)勢(shì)，本文提出基于外海海域風(fēng)浪預(yù)報(bào)數(shù)據(jù)，運(yùn)用ANN算法建立外海預(yù)報(bào)數(shù)據(jù)與橋址區(qū)海域?qū)崪y(cè)數(shù)據(jù)的對(duì)應(yīng)關(guān)系，進(jìn)而進(jìn)行橋址區(qū)波高推算的方法。以平潭海峽公鐵兩用大橋橋址海域?yàn)槔?，根?jù)外海預(yù)報(bào)和橋址區(qū)實(shí)測(cè)數(shù)據(jù)，采用本文方法建立橋址區(qū)波高推算模型，并結(jié)合現(xiàn)場(chǎng)實(shí)測(cè)以及對(duì)比前人方法，驗(yàn)證上述模型的有效性。

1橋址區(qū)波高ANN推算模型

1.1ANN算法原理及方法

ANN是人工智能領(lǐng)域中一種重要的計(jì)算機(jī)算法，可以對(duì)人腦進(jìn)行仿真模擬，建立一種類(lèi)似神經(jīng)元相互連接的網(wǎng)絡(luò)模型，對(duì)信息進(jìn)行處理和非線(xiàn)性轉(zhuǎn)換。作為目前應(yīng)用最為廣泛和成熟的ANN算法之一，BP神經(jīng)網(wǎng)絡(luò)的主要特點(diǎn)是信號(hào)前向傳遞，誤差反向傳遞。在前向傳遞中，輸入信號(hào)從輸入層經(jīng)隱含層逐層處理，直至輸出層。每一層的神經(jīng)元狀態(tài)只影響下一層神經(jīng)元狀態(tài)。如果輸出層得不到期望輸出，則轉(zhuǎn)入反向傳播，根據(jù)預(yù)測(cè)誤差調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，從而使預(yù)測(cè)輸出不斷逼近期望輸出。

根據(jù)文獻(xiàn)[14-17]，BP神經(jīng)網(wǎng)絡(luò)算法基本理論如下：

通過(guò)迭代計(jì)算確定網(wǎng)絡(luò)連接權(quán)值ωij、ωjk及網(wǎng)絡(luò)節(jié)點(diǎn)閾值a、b，使誤差指標(biāo)（本文的計(jì)算指標(biāo)為均方誤差）滿(mǎn)足精度要求。

1.2推算模型建模流程

根據(jù)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練原理，近岸島礁橋址區(qū)波高推算模型的建模流程主要包括：

1）外海、橋址區(qū)環(huán)境資料準(zhǔn)備通過(guò)海洋預(yù)報(bào)臺(tái)等收集外海海域預(yù)報(bào)數(shù)據(jù)（包括外海海域預(yù)報(bào)最小風(fēng)級(jí)、最大風(fēng)級(jí)、最小波高、最大波高、風(fēng)向），通過(guò)在橋址區(qū)建立測(cè)站，對(duì)近岸島礁橋址區(qū)海域波高數(shù)據(jù)進(jìn)行實(shí)測(cè)。

2）輸人數(shù)據(jù)選擇根據(jù)外海海域預(yù)報(bào)數(shù)據(jù)和近岸島礁橋址區(qū)實(shí)測(cè)數(shù)據(jù)，建立外海環(huán)境與近岸島礁橋址區(qū)波高相關(guān)性關(guān)系。選擇與橋址區(qū)波高數(shù)據(jù)相關(guān)性較強(qiáng)的外海環(huán)境數(shù)據(jù)作為輸入數(shù)據(jù)，為橋址區(qū)海域海浪波高推算做準(zhǔn)備。

3）數(shù)據(jù)預(yù)處理在使用樣本數(shù)據(jù)訓(xùn)練之前，對(duì)樣本數(shù)據(jù)進(jìn)行預(yù)處理，即歸一化。歸一化處理指的是對(duì)網(wǎng)絡(luò)輸入和輸出數(shù)據(jù)進(jìn)行一定的映射變換，將其一一映射到[-1，1]的區(qū)間內(nèi)。

4）BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

采用外海海域預(yù)報(bào)數(shù)據(jù)（下文中簡(jiǎn)稱(chēng)“外海海域預(yù)報(bào)值”）以及橋址區(qū)海域?qū)崪y(cè)的波高數(shù)據(jù)（下文中簡(jiǎn)稱(chēng)“橋址海域?qū)崪y(cè)值”），運(yùn)用BP神經(jīng)網(wǎng)絡(luò)算法，對(duì)外海海域預(yù)報(bào)值和橋址海域?qū)崪y(cè)值進(jìn)行訓(xùn)練，建立二者之間的網(wǎng)絡(luò)關(guān)系。

5）建立推算模型通過(guò)訓(xùn)練好的ANN，使用外海海域新的預(yù)報(bào)值，推算出橋址區(qū)海域的海浪波高（下文簡(jiǎn)稱(chēng)“橋址海域推算值”）。后期將橋址海域推算值和橋址海域新的實(shí)測(cè)值進(jìn)行對(duì)比，判斷推算的準(zhǔn)確性。如果二者接近，則認(rèn)定推算成功，模型可信;如果二者不接近，則需要在輸入數(shù)據(jù)中補(bǔ)充新的觀(guān)測(cè)數(shù)據(jù)，重新進(jìn)行步驟3）～4）訓(xùn)練BP模型。

為實(shí)現(xiàn)上述算法，可利用Matlab軟件內(nèi)置的神經(jīng)網(wǎng)絡(luò)工具箱（Neural Net Toolbox），根據(jù)圖1所示流程編寫(xiě)計(jì)算程序，使用工具箱提供的Premnmx和Postmnmx函數(shù)對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)處理，基于輸入數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)，建立近岸島礁橋址區(qū)波高推算模型。

選取平潭海峽公鐵兩用大橋所在的近岸島礁海域（如圖2所示）做為算例海域。目前，作者掌握的數(shù)據(jù)包含從2015年1月1日至2016年3月28日共計(jì)426d的外海波高和橋址區(qū)波高數(shù)據(jù)。其中，外海海域預(yù)報(bào)值來(lái)源于福建省海洋預(yù)報(bào)臺(tái)網(wǎng)站（www.fjmf.gov.cn）提供的由閩中海域浮標(biāo)測(cè)得的風(fēng)級(jí)、日最大波高等數(shù)據(jù)。橋址區(qū)波高、風(fēng)速數(shù)據(jù)則通過(guò)在平潭海峽公鐵兩用大橋6#施工平臺(tái)附近（東經(jīng)119.6度，北緯25.7度）建立測(cè)站實(shí)測(cè)得到，測(cè)試儀器及數(shù)據(jù)處理方法詳見(jiàn)文獻(xiàn)[5]。

2橋址區(qū)波高推算算例分析

2.1算例數(shù)據(jù)分析

圖3和圖4分別給出了近岸島礁橋址海域?qū)崪y(cè)日最大波高、閔中海域預(yù)報(bào)日最大波高以及預(yù)報(bào)風(fēng)級(jí)的關(guān)系圖。由圖3、圖4可知，橋址區(qū)實(shí)測(cè)日最大波高與外海預(yù)報(bào)最大波高及閩中海域預(yù)報(bào)風(fēng)級(jí)都存在正相關(guān)關(guān)系。外海波高越大、預(yù)報(bào)風(fēng)級(jí)越大，橋址區(qū)實(shí)測(cè)波高越大。但外海預(yù)報(bào)數(shù)據(jù)與實(shí)測(cè)波高散點(diǎn)圖的離散度較大。如果僅僅利用簡(jiǎn)單的公式建立外海風(fēng)、浪預(yù)報(bào)數(shù)據(jù)及橋址區(qū)波高的關(guān)系（圖3、圖4中實(shí)線(xiàn)所示），預(yù)測(cè)值的置信區(qū)間比較大，無(wú)法滿(mǎn)足工程要求，必須借助其他復(fù)雜模型進(jìn)行波高推算。

考慮到數(shù)據(jù)量有限，算例將首先采用2015年1月1日至2015年12月31日共346d的數(shù)據(jù)作為樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練;ANN模型建立后，再采用該模型推算2016年1月1日至2016年3月28日共80d的橋址區(qū)日最大波高。

2.2BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練

將外海海域每天的風(fēng)級(jí)、風(fēng)向和波高的大小即外海海域預(yù)報(bào)最小風(fēng)級(jí)、最大風(fēng)級(jí)、最小波高、最大波高、風(fēng)向5個(gè)因素作為輸入向量。近岸島礁橋址區(qū)海域每天的最大波高作為網(wǎng)絡(luò)的輸出向量。

采用3層網(wǎng)絡(luò)結(jié)構(gòu)的BP網(wǎng)絡(luò)，分別是輸入層、隱含層、輸出層。輸入層的節(jié)點(diǎn)數(shù)量n=5;輸出層的節(jié)點(diǎn)數(shù)量m=1。隱含層的節(jié)點(diǎn)數(shù)量l根據(jù)前人研究應(yīng)滿(mǎn)足

根據(jù)表1計(jì)算結(jié)果，當(dāng)選取6個(gè)隱節(jié)點(diǎn)時(shí)，均方根誤差最小，故文中BP神經(jīng)網(wǎng)絡(luò)設(shè)置6個(gè)隱節(jié)點(diǎn)。由于海浪的變化具有高度非線(xiàn)性，因此，BP網(wǎng)絡(luò)的傳遞函數(shù)選為雙曲正切S型函數(shù)Tansig函數(shù)和線(xiàn)性函數(shù)Purelin函數(shù)。

BP網(wǎng)絡(luò)的訓(xùn)練過(guò)程是一個(gè)不斷對(duì)實(shí)測(cè)值擬合的過(guò)程，每一次擬合都會(huì)產(chǎn)生一組訓(xùn)練值，網(wǎng)絡(luò)計(jì)算出訓(xùn)練值和實(shí)測(cè)值的均方誤差向著擬合均方誤差減小的方向發(fā)展。最終，網(wǎng)絡(luò)訓(xùn)練的均方誤差為0.0162。圖5為網(wǎng)絡(luò)最終得到的訓(xùn)練值和實(shí)測(cè)值的關(guān)系圖，從圖中可以看出，網(wǎng)絡(luò)訓(xùn)練值和實(shí)測(cè)值的變化趨勢(shì)吻合良好，訓(xùn)練成功。

3方法驗(yàn)證與討論

利用訓(xùn)練好的ANN推算模型，將2016年1月1日至2016年3月28日共80d的福建省海洋預(yù)報(bào)臺(tái)外海預(yù)報(bào)數(shù)據(jù)（波高、風(fēng)速）輸入到訓(xùn)練好的ANN中進(jìn)行推算，得到橋址區(qū)80d的波高，見(jiàn)圖6。

Deo等提出如下波高ANN推算模型：該模型采用3層BP神經(jīng)網(wǎng)絡(luò)，以目標(biāo)海域兩個(gè)連續(xù)的3h平均風(fēng)速作為輸入層，以橋址區(qū)波高和波浪周期作為輸出層，采用四節(jié)點(diǎn)隱含層對(duì)目標(biāo)海域波高、周期進(jìn)行推算。為了對(duì)比驗(yàn)證本文模型的有效性，作者根據(jù)文獻(xiàn)[15]方法，采用橋址區(qū)實(shí)測(cè)的風(fēng)速數(shù)據(jù)，推算橋址區(qū)80d的波高，如圖6所示。

圖6對(duì)比了本文模型、文獻(xiàn)[15]模型推算波高和實(shí)測(cè)波高隨時(shí)間的變化規(guī)律。由圖6可知，本文和文獻(xiàn)[15]方法推算的波高與對(duì)應(yīng)實(shí)測(cè)波高的變化趨勢(shì)吻合良好。但當(dāng)實(shí)測(cè)波高較大時(shí)，推算結(jié)果較實(shí)測(cè)值偏小。但相比文獻(xiàn)[15]方法，本文模型更加接近實(shí)測(cè)值。表2給出了指定誤差范圍時(shí)，分別采用文獻(xiàn)[15]和本文模型進(jìn)行波高推算的準(zhǔn)確率。本文模型的波高推算結(jié)果誤差在0.5m以?xún)?nèi)的占總數(shù)的76%。與文獻(xiàn)[15]方法對(duì)比，本文模型對(duì)于1.5m以上的波浪推算效果明顯優(yōu)于文獻(xiàn)[15]中基于風(fēng)速數(shù)據(jù)的ANN推算模型。本文模型與文獻(xiàn)[15]模型的最大差別在于，本文模型是以外海波高作為輸入層，而文獻(xiàn)[15]模型是以目標(biāo)海域風(fēng)速作為輸入層。對(duì)于近岸島礁橋址區(qū)而言，因?yàn)榈匦斡绊懀@類(lèi)海洋的波高主要受外海涌浪影響，這也是本文模型在近岸島礁區(qū)的大浪推算時(shí)具有較好推算精度的原因。但對(duì)于一些較大的實(shí)測(cè)波高，本文模型因?yàn)楹雎粤孙L(fēng)對(duì)波浪的影響，使得推算波高小于實(shí)測(cè)波高。

總的來(lái)說(shuō)，推算波高與實(shí)測(cè)波高變化趨勢(shì)基本一致，可滿(mǎn)足工程建設(shè)的需求。在橋梁施工過(guò)程中，可以利用福建省海洋預(yù)報(bào)臺(tái)每天發(fā)布的閩中海域預(yù)報(bào)資料和ANN算法對(duì)橋址區(qū)海域波高進(jìn)行推算，即本文提出的波高推算模型可以利用外海預(yù)報(bào)信息有效地進(jìn)行近岸島礁橋址區(qū)的波高推算，可為大橋后期的施工組織安排和施工安全預(yù)警提供指導(dǎo)。

4結(jié)論

提出了基于外海環(huán)境預(yù)報(bào)的近岸島礁橋址區(qū)波高ANN推算模型，以平潭海峽大橋橋址區(qū)為研究對(duì)象，分析了閩中海域風(fēng)速、風(fēng)向、波高等預(yù)報(bào)數(shù)據(jù)和橋址區(qū)海域?qū)崪y(cè)波高數(shù)據(jù)，主要結(jié)論如下：

1）提出的波高ANN推算模型可以利用外海環(huán)境預(yù)報(bào)信息進(jìn)行近岸島礁橋址區(qū)的波高推算。

2）通過(guò)與前人方法和實(shí)測(cè)數(shù)據(jù)對(duì)比，采用本模型推算得出的近岸島礁橋址區(qū)波高與實(shí)測(cè)波高的變化趨勢(shì)基本吻合，均方根誤差較小，且精度高于前人ANN模型。

3）提出的ANN推算模型可以較為準(zhǔn)確地模擬波高變化趨勢(shì)，但由于影響波高變化因素較多，包括風(fēng)速、風(fēng)壓、海洋洋流運(yùn)動(dòng)、海床平面分布、地形地貌特征等，波高變化具有隨機(jī)性，尤其當(dāng)極端事件如臺(tái)風(fēng)等產(chǎn)生時(shí)，模型對(duì)波高特別是極端值的推算效果有待提高。使用更長(zhǎng)時(shí)間的樣本以及增加輸入層變量是提高ANN模型推算精度的一種有效途徑。

4）算例選擇了操作較為簡(jiǎn)單、發(fā)展較為成熟的BP神經(jīng)網(wǎng)絡(luò)建立波高ANN推算模型?？紤]到近岸島礁橋址區(qū)實(shí)際波浪要素的復(fù)雜性，未來(lái)還可采用其他人工智能算法，進(jìn)一步提高推算效率和精度。