Return to search

Neural network modelling of the wave-structure interaction processes / Modellazione dei processi di interazione onda - struttura mediante reti neurali

This thesis presents a new Artificial Neural Network (ANN) able to predict at once the main parameters representative of the wave-structure interaction processes, i.e. the wave overtopping discharge, the wave transmission coefficient and the wave reflection coefficient. The new ANN has been specifically developed in order to provide managers and scientists with a tool that can be efficiently used for design purposes.
The development of this ANN started with the preparation of a new extended and homogeneous database that collects all the available tests reporting at least one of the three parameters, for a total amount of 16’165 data. The variety of structure types and wave attack conditions in the database includes smooth, rock and armour unit slopes, berm breakwaters, vertical walls, low crested structures, oblique wave attacks.
Some of the existing ANNs were compared and improved, leading to the selection of a final ANN, whose architecture was optimized through an in-depth sensitivity analysis to the training parameters of the ANN. Each of the selected 15 input parameters represents a physical aspect of the wave-structure interaction process, describing the wave attack (wave steepness and obliquity, breaking and shoaling factors), the structure geometry (submergence, straight or non-straight slope, with or without berm or toe, presence or not of a crown wall), or the structure type (smooth or covered by an armour layer, with permeable or impermeable core).
The advanced ANN here proposed provides accurate predictions for all the three parameters, and demonstrates to overcome the limits imposed by the traditional formulae and approach adopted so far by some of the existing ANNs. The possibility to adopt just one model to obtain a handy and accurate evaluation of the overall performance of a coastal or harbor structure represents the most important and exportable result of the work. / Questa tesi presenta una nuova Rete Neurale Artificiale (RNA) per la predizione dei principali parametri rappresentativi del processo di interazione onda-struttura: la portata di tracimazione ondosa e i coefficienti di trasmissione e riflessione ondosa.
Il primo passo ha consistito nella raccolta e organizzazione dei dati disponibili in letteratura. Complessivamente, sono stati assemblati 16'165 dati in unico database omogeneo, includendo una vasta tipologia di opere, fra cui: strutture lisce e impermeabili, strutture permeabili in massi naturali o rivestite di unità artificiali in cemento, opere con e senza nucleo impermeabile, muri a parete verticale, strutture dalla geometria articolata da berme e/o protezioni al piede, strutture a cresta bassa, condizioni di attacco ondoso obliquo.
L’assetto finale della RNA è stato definito mediante il confronto e il miglioramento di alcune delle reti esistenti, e in seguito a un’approfondita analisi di sensitività ai diversi parametri di calibrazione del modello. Ciascuno dei 15 parametri di ingresso della rete è finalizzato alla rappresentazione di un diverso aspetto dell’unico fenomeno dell’interazione onda-struttura, descrivendo la tipologia di attacco ondoso (ripidità e obliquità delle onde, indici di frangimento e di shoaling), la sezione geometrica (sommergenza, caratteristiche del paramento a mare, quali presenza o assenza di berme e protezioni al piede, presenza o meno di muro di coronamento) e il tipo di struttura (liscia, o rivestita di una mantellata di massi artificiali o naturali, con o senza nucleo impermeabile).
La RNA produce stime accurate dei 3 parametri e supera i limiti imposti dalle formule tradizionali presenti in letteratura e dalle RNA esistenti, usualmente ottimizzate per la predizione di uno solo dei parametri. La possibilità di utilizzare un unico modello che fornisca una stima accurata e rapida della risposta idraulica di una struttura di difesa costiera o portuale alla sollecitazione ondosa rappresenta il risultato più importante ed esportabile di tale lavoro.

Identiferoai:union.ndltd.org:unibo.it/oai:amsdottorato.cib.unibo.it:7001
Date21 May 2015
CreatorsFormentin, Sara Mizar <1987>
ContributorsZanuttigh, Barbara
PublisherAlma Mater Studiorum - Università di Bologna
Source SetsUniversità di Bologna
LanguageEnglish
Detected LanguageItalian
TypeDoctoral Thesis, PeerReviewed
Formatapplication/pdf
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds