CN116011356B - 一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法 - Google Patents

Abstract

本发明提供了一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，该方法基于计算流体力学开源代码OpenFOAM建立海洋管缆三维冲刷数值模型；在模型中设置管缆尺寸、流相与沉积相的物理参数、海流速度、波浪要素、模型边界条件等初始条件，开展不同波流工况下海底管缆局部冲刷数值计算，得到不同波流工况下管缆冲刷范围、冲刷深度、管缆受力、尾流速度流场分布；并利用实测数据优化数值模型；建立海底管缆局部冲刷ConvLSTM预测模型，通过训练验证获得最优模型。将海底管缆尺寸、底质条件、波高和波浪周期、海流速度作为输入条件，即可采用预测模型对管缆局部的冲刷深度、冲刷范围、受力及尾流流场进行预测。本发明考虑多种因素的影响，预测精度更高。

Description

一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷 预测方法

技术领域

本发明涉及深度学习领域，尤其涉及一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法。

背景技术

随着海洋资源开发技术逐渐成熟，海洋管缆被广泛应用于海洋油气资源、电力资源输送工程。然而海洋波流环境十分复杂，波浪和水流的作用会导致海洋管缆附近的海床泥沙冲刷，导致管缆出现裸露甚至悬空的现象。随着冲刷坑的发展，悬空管段在海流和波浪作用下极易引起涡激振动和往复运动，导致管缆发生弯曲和疲劳破坏，严重者管缆损坏会导致环境生态破坏和重大经济损失。因此，准确预测海底管缆附近的局部冲刷情况，及时对其进行损伤修复，对于海洋工程安全保障与海洋环境保护至关重要。

然而，在复杂的海洋环境中，海底管缆局部冲刷发展过程长期观测数据缺乏，冲刷范围和冲刷深度难以精准预测。长期以来，国内外学者对海底管缆局部冲刷的研究大多采用物理试验和数值模拟方法开展。在物理试验中，为了模拟复杂的海底管缆冲刷的真实情况，往往需要花费大量的人力、物资以及时间成本，但受模型比尺、试验材料及试验设备条件的限制，试验结果与实际工程观测结果存在一定的误差。数值模拟主要是基于某个理论或假设，理论框架和假设均具有一定的局限性，同时，计算模拟算的是近似的数值解，计算精度会受算法及计算机数字存储精度的影响。

目前，随着深度学习领域的开拓和发展，神经网络被广泛应用到各行业的预测工作中。但传统所用的海洋管缆冲刷预测模型大多仅预测管缆冲刷的深度，且仅考虑了单一因素的影响，因此现有预测模型的预测精度通常不高。

发明内容

本发明公开了一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法。本方法首先基于计算流体力学开源代码OpenFOAM建立海洋管缆三维冲刷数值模型，在模型中设置管缆尺寸、流相与沉积相的物理参数、海流速度、波浪要素以及模型边界条件，计算得到不同工况下的海底管缆冲刷范围、冲刷深度、管缆受力及尾流流场速度分布；利用高分辨率测深侧扫声纳、多普勒流速仪ADCP和三分力压力传感器获得的实际工程海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布信息，对数值结果进行验证，进一步优化数值模型；建立海底管缆局部冲刷ConvLSTM预测模型，基于优化后的海底管缆三维冲刷数值模型的计算结果训练验证获得预测模型，利用实测数据对预测模型进行优化，即可得到优化后的所述海底管缆局部冲刷ConvLSTM预测模型；进一步地，将管缆尺寸、底质条件、波浪波高和周期、海流速度输入优化后的预测模型中，即可对不同波流工况下管缆冲刷的冲刷深度、冲刷范围、管缆受力、尾流流场速度分布进行预测。

为实现以上目的，本发明采用的技术方案为：

一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，首先在计算流体力学开源代码OpenFOAM中建立海底管缆三维冲刷数值模型，在数值模型中设置管缆尺寸、流相与沉积相的物理参数、海流速度、波浪波高和周期参数，同时设置计算模型的边界条件，即可开展不同影响因素工况的海底管缆局部冲刷数值模拟，计算得到管缆冲刷范围、冲刷深度、管缆受力和尾流流场速度分布数据；利用实测数据对数值模型的计算结果进行验证，优化所述海底管缆三维冲刷数值模型；将优化后的海底管缆三维冲刷数值模型计算得到的冲刷范围、冲刷深度、管缆受力、尾流流场速度分布及其对应的海底管缆尺寸、底质条件、波高和波浪周期、海流速度数据划分为训练集和验证集。

建立海底管缆局部冲刷ConvLSTM预测模型，利用训练集和验证集数据对预测模型进行训练、验证；训练过程中，根据预测误差最大百分比和平均绝对值百分比误差，对预测模型进行修正。

利用高分辨率测深侧扫声纳、多普勒流速仪ADCP和三分力压力传感器获得的实际工程的海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布对预测模型进行优化，使得预测结果与实测结果最小，从而可得到适用于实际海洋工程的海底管缆局部冲刷ConvLSTM预测模型。

根据实际工程情况，将管缆尺寸、底质条件、波浪波高和周期、海流速度作为输入条件，使用预测模型对不同波流环境下管缆局部冲刷的深度、冲刷范围、管缆受力及尾流流场速度分布进行预测。

上述技术方案中，进一步地，基于计算流体力学开源代码OpenFOAM建立海底管缆三维冲刷数值模型，对海底管缆局部海床泥沙冲刷进行数值模拟，其中海底管缆三维冲刷数值模型主要包括Navier-Stokes方程、k-ω两方程湍流模型、μ(I)颗粒流流变模型、VOF两相流模型，所述Navier-Stokes方程用于在特定的边界条件(如入口、出口和壁)下预测流体的速度和压力；所述k-ω两方程湍流模型用于求解湍流标量湍动能k和ω的输运方程，对自由剪切湍流、附着边界层湍流和适度分离湍流都有较高的计算精度；所述μ(I)颗粒流流变模型将颗粒物料处理成黏塑性流体，引入无量纲惯性数I来描述颗粒的流动状态与特性；所述VOF两相流模型用于描述气-液相界面的位置及其运动；

在OpenFOAM中输入管缆尺寸、流相与沉积相的物理参数、海流速度、波浪要素参数，设置冲刷计算模型边界条件。

采用SedFOAM求解器对海底管缆三维冲刷数值模型进行求解，获取管缆冲刷深度、冲刷范围、管缆受力和尾流流场速度分布数据。利用高分辨率测深侧扫声纳、多普勒流速仪ADCP和三分力压力传感器获得的实际工程海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布信息验证数值计算结果，优化数值模型。将数值模型输入数据中的管缆尺寸、底质条件、波浪波高和周期、海流速度及其对应输出的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布数据划分为训练集和验证集。

进一步地，建立海底管缆局部冲刷ConvLSTM预测模型，利用训练集数据训练模型，用验证集数据调整模型参数并验证。

进一步地，在模型训练过程中，根据预测误差最大百分比和平均绝对值百分比误差对模型进行修正，误差分析函数的计算公式如下：

其中，E_max为预测误差最大百分比，MAPE为平均绝对值百分比误差，n为测试集中数据的数量，为预测值，y_i为实际值。

进一步地，利用实际工程中测得的管缆尺寸、底质条件、波浪波高和周期、海流速度数据作为输入，将高分辨率测深侧扫声纳、多普勒流速仪ADCP和三分力压力传感器获得的实际工程海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布作为输出，对所述海底管缆局部冲刷ConvLSTM预测模型进行优化，得到适用于实际海洋工程的所述海底管缆局部冲刷ConvLSTM预测模型。

进一步地，将实际工程中测得的管缆尺寸、底质条件、波浪波高和周期、海流速度输入ConvLSTM预测模型中，预测不同波流工况下管缆冲刷的冲刷深度、冲刷范围、管缆受力、尾流流场速度分布。

本发明的有益之处在于：

本发明通过建立海底管缆三维冲刷数值模型，在模型中设置管缆尺寸、流相与沉积相的物理参数、波浪波高、波周期、海流速度参数，同时设置模型边界条件，计算得到不同波流工况下管缆冲刷范围、冲刷深度、管缆受力、尾流流场速度分布信息；利用高分辨率测深侧扫声纳探测仪、多普勒流速仪ADCP和三分力压力传感器获得的实际工程海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布信息，对数值计算结果进行验证，优化数值模型；建立海底管缆局部冲刷ConvLSTM预测模型，通过训练验证获得最优模型。将实际工程中的管缆尺寸、底质条件、波浪波高和周期、海流速度作为输入条件，即可使用所述海底管缆局部冲刷ConvLSTM预测模型对管缆的局部冲刷深度、冲刷范围、管缆受力及尾流流场速度分布进行预测。本发明考虑了多种因素的影响，且通过实测数据优化海底管缆三维冲刷数值模型可以提高数值计算的精确程度，经过优化后的海底管缆三维冲刷数值模型也能弥补物理实验实测中难以模拟复杂冲刷过程的缺陷。同时本发明的海底管缆局部冲刷ConvLSTM预测模型利用优化后的数值模型计算数据进行训练并采用实测值进行优化，大大提高了其预测精度与效率。

附图说明

图1是本发明的预测方法流程图；

图2是本发明的ConvLSTM内部结构图；

图3是本发明的平均绝对值百分比误差收敛示意图；

图4是本发明冲刷深度随时间变化的预测结果对比示意图；

图5是本发明管缆受力随时间变化的预测结果对比示意图。

具体实施方式

下面结合附图和具体实施方式对本发明的技术方案进行进一步说明，但是本发明的保护范围不局限于所述实施实例。

图1为本发明的预测方法流程示意图。基于计算流体力学开源代码OpenFOAM建立海洋管缆三维冲刷数值模型；在模型中设置管缆尺寸、流相与沉积相的物理参数、海流速度和波浪要素，设置模型边界条件，计算得到管缆冲刷范围、冲刷深度、管缆受力及尾流流场速度分布数据；利用高分辨率测深侧扫声纳、多普勒流速仪ADCP和三分力压力传感器获得的实际工程海洋管缆的冲刷深度、冲刷范围、管缆受力和尾流流场速度分布信息，对数值模型进行验证优化；基于优化后的海底管缆三维冲刷数值模型的计算结果建立海底管缆局部冲刷ConvLSTM预测模型，通过训练验证获得预测模型。利用实测的管缆冲刷深度、冲刷范围、管缆受力和尾流流场速度分布信息验证并优化预测模型；进一步将管缆尺寸、底质条件、波浪波高和周期、海流速度作为输入条件，采用优化后的预测模型即可对不同波流工况下的管缆局部冲刷的深度、冲刷范围、管缆受力及尾流流场速度分布进行预测。

图2为本发明的ConvLSTM内部结构图。ConvLSTM模型相比LSTM模型最大的不同是将矩阵乘向量的运算替换成卷积核对输入数据的卷积运算，充分发挥了卷积的图像表征能力。ConvLSTM模型的公式如下：

f_t＝σ(W_f*[h_t-1,x_t]+b_f)

i_t＝σ(W_i*[h_t-1,x_t]+b_i)

o_t＝σ(W_o*[h_t-1,x_t]+b_o)

h_t＝o_t·tanh(C_t)

其中，*为卷积运算，f_t代表遗忘门，σ表示非线性sigmoid函数，W_f,b_f分别表示遗忘门的权重矩阵与偏置函数，h_t-1,x_t分别表示上一时刻的输出结果与当前时刻的输入；i_t代表输入门，W_i,b_i分别表示输入门的权重矩阵与偏置函数；代表输入门的当前状态，W_c,b_c分别表示当前状态的权重矩阵与偏置函数；C_t代表当前时刻的状态参量，C_t-1表示上一时刻的状态参量；o_t代表输出门，W_o,b_o分别表示输出门的权重矩阵与偏置函数。h_t代表根据当前状态参量与输出门结果计算得到当前时刻的预测结果。

图3是本发明的平均绝对值百分比误差收敛示意图。随着训练次数的增加，训练集和测试集的平均绝对值百分比误差呈下降趋势。

图4是本发明冲刷深度随时间变化的预测结果对比示意图。经过训练，预测结果与实际结果吻合较好。

图5是本发明管缆受力随时间变化的预测结果对比示意图。经过训练，预测结果与实际结果吻合较好。

当然，以上只是本发明的具体应用范例，本发明还有其他的实施方式，凡采用等同替换或等效变换形成的技术方案，均落在本发明所要求的保护范围之内。

Claims (5)

1.一种基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，其特征在于：

1)在计算流体力学开源代码OpenFOAM中建立海底管缆三维冲刷数值模型；设置海底管缆三维冲刷数值模型的输入、输出以及边界条件；所述海底管缆三维冲刷数值模型的输入为管缆尺寸、流相与沉积相的物理参数、海流速度和波浪要素，输出为管缆冲刷范围、冲刷深度、管缆受力和尾流流场速度分布；

2)利用高分辨率测深侧扫声纳获取实际工程中海底管缆的冲刷深度和冲刷范围，采用多普勒流速仪ADCP和三分力压力传感器获得实际管缆附近流场速度分布和管缆受力信息，利用实测数据对数值模型的计算结果进行验证，优化所述海底管缆三维冲刷数值模型；

3)将优化后的海底管缆三维冲刷数值模型计算得到的冲刷范围、冲刷深度、管缆受力、尾流流场速度分布及其对应的海底管缆尺寸、底质条件、波高和波浪周期、海流速度数据划分为训练集和验证集；

4)将管缆尺寸、底质条件、波高和波浪周期、海流速度作为输入，将管缆冲刷深度、冲刷范围、管缆受力、尾流流场速度分布作为输出，建立海底管缆局部冲刷ConvLSTM预测模型，并利用训练集数据对其进行训练，利用验证集数据对其进行验证并调整模型参数，使预测数据与实测数据误差最小以获得最优模型；

5)根据实际工程情况，将管缆尺寸、底质条件、波高和波浪周期、海流速度输入到所述海底管缆局部冲刷ConvLSTM预测模型中，预测管缆冲刷深度、冲刷范围、管缆受力及尾流流场速度分布。

2.根据权利要求1所述的基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，其特征在于：所述海底管缆三维冲刷数值模型，包括Navier-Stokes方程、k-ω两方程湍流模型、μ(I)颗粒流流变模型和VOF两相流模型；所述Navier-Stokes方程用于在特定的边界条件下预测流体的速度和压力；所述k-ω两方程湍流模型用于求解湍流标量湍动能k和ω的输运方程；所述μ(I)颗粒流流变模型将颗粒物料处理成黏塑性流体，引入无量纲惯性数I来描述颗粒的流动状态与特性；所述VOF两相流模型用于描述气-液相界面的位置及其运动。

3.根据权利要求1所述的基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，其特征在于：所述海底管缆局部冲刷ConvLSTM预测模型的公式如下：

f_t＝σ(W_f*[h_t-1,x_t]+b_f)

i_t＝σ(W_i*[h_t-1,x_t]+b_i)

o_t＝σ(W_o*[h_t-1,x_t]+b_o)

h_t＝o_t·tanh(C_t)

其中，*为卷积运算，f_t代表遗忘门，σ表示非线性sigmoid函数，W_f,b_f分别表示遗忘门的权重矩阵与偏置函数，h_t-1,x_t分别表示上一时刻的输出结果与当前时刻的输入；i_t代表输入门，W_i,b_i分别表示输入门的权重矩阵与偏置函数；代表输入门的当前状态，W_c,b_c分别表示当前状态的权重矩阵与偏置函数；C_t代表当前时刻的状态参量，C_t-1表示上一时刻的状态参量；o_t代表输出门，W_o,b_o分别表示输出门的权重矩阵与偏置函数；h_t代表根据当前状态参量与输出门结果计算得到当前时刻的预测结果。

4.根据权利要求1所述的基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，其特征在于：所述的海底管缆局部冲刷ConvLSTM预测模型在训练过程中，使用反向传播、预测误差最大百分比和平均绝对值百分比误差进行优化，误差分析函数的计算公式如下：

其中，E_max为预测误差最大百分比，MAPE为平均绝对值百分比误差，n为验证集中数据的数量，为预测值，y_i为实际值。

5.根据权利要求1所述的基于ConvLSTM与OpenFOAM数值计算耦合的海底管缆冲刷预测方法，其特征在于：所述海底管缆局部冲刷ConvLSTM预测模型中，ConvLSTM网络采用Adam算法作为梯度的优化算法，选取sigmoid作为激活函数；ConvLSTM网络由三层ConvLSTM层堆叠而成，每层包含25个大小为3×3的卷积核进行特征提取。