基于深度神经网络的近场时间序列预测:用于滑坡引发的海啸的替代框架,用于边界输入建模
《Ocean Engineering》:Deep neural network–based prediction of near-field time series for landslide-generated tsunamis: A surrogate framework for boundary input modeling
【字体:
大
中
小
】
时间:2026年04月28日
来源:Ocean Engineering 5.5
编辑推荐:
高畑智之|藤原雪|山崎新|岩崎俊辅|浅井敬人|大野白
日本大阪近畿大学科学与工程学院
摘要
高保真度的滑坡引发的海啸模拟通常涉及使用三维计算流体动力学模型来解析近场生成过程,并将得到的时间序列作为边界条件传递给深度平均的、水平方向上的二维传播模型。然而,将此类模拟应用于众多潜在
高畑智之|藤原雪|山崎新|岩崎俊辅|浅井敬人|大野白
日本大阪近畿大学科学与工程学院
摘要
高保真度的滑坡引发的海啸模拟通常涉及使用三维计算流体动力学模型来解析近场生成过程,并将得到的时间序列作为边界条件传递给深度平均的、水平方向上的二维传播模型。然而,将此类模拟应用于众多潜在的滑坡场景在计算上要求很高,且不适用于大规模或概率性灾害评估。本研究探讨了深度神经网络(DNN)是否可以直接预测滑坡产生的水位和速度时间序列,从而为近场生成过程提供一种快速的替代方法。通过二维实验室实验,开发了用于预测近场测量点自由表面高度的DNN模型;而基于数值模拟输出的DNN模型则用于预测相应的水平速度。结果与实验室测量数据、基于OpenFOAM的数值波浪水槽(NWT)模拟以及基于回归的经验公式进行了对比,表明在本研究采用的特定NWT配置和建模假设下,DNN模型能够以与数值模拟相当的水平再现水位和速度时间序列。包括第一波波峰和波谷振幅及周期在内的关键标量量也得到了具有竞争力的准确预测。这些发现表明,DNN模型为深度平均传播模型提供了高效的近场边界时间序列,使得快速评估场景和灾害评估成为可能。
引言
虽然海啸最常与大地震相关联,但它们也可能由快速的质量运动(如滑坡)引发。尽管滑坡引发的海啸发生的频率低于地震事件,但历史上它们已经造成了毁灭性的后果。著名的例子包括1958年的利图亚湾事件(Miller, 1960; Fritz et al., 2004)、1963年的瓦容大坝灾难(Müller, 1964)以及1998年的巴布亚新几内亚海啸(Tappin et al., 2001, 2008)。最近,2018年安纳克克拉卡托火山侧翼崩塌(Grilli et al., 2019; Takabatake et al., 2019)和2018年帕卢地震引发的质量失稳(Heidarzadeh et al., 2018; Harnantyari et al., 2020)事件也表明,滑坡引发的海啸是一种能够对沿海社区造成灾难性破坏的严重威胁。
大量的实验研究在二维(2D)水槽和三维(3D)盆地中考察了波浪的生成和传播,这些研究使用了固体块(Kamphuis and Bowering, 1972; Panizzo et al., 2005; Grilli and Watts, 2005; Watts et al., 2005; Heller and Spinneken, 2015)和可变形的滑坡模型(Mohammed and Fritz, 2012; McFall and Fritz, 2016; Miller et al., 2017; Grilli et al., 2017; McFall et al., 2018; Takabatake et al., 2020)。这些实验始终提供了有价值的数据集,成为经验预测公式的基础。许多研究推导出了基于回归的方程,用于估计地震海啸的最大水位或上涨高度,将滑坡相关参数(如滑坡质量、垂直落差距离、淹没深度和水深)与波浪特性联系起来(Panizzo et al., 2005; Heller and Spinneken, 2015; Mohammed and Fritz, 2012; McFall and Fritz, 2016; Miller et al., 2017; McFall et al., 2018; Takabatake et al., 2020; Takabatake et al., 2022a)。这些经验方法仍然被广泛使用,因为它们为初步灾害评估提供了简单实用的工具(需要注意的是,具体的无量纲参数、基本假设和适用范围因公式而异,详细信息请参阅相应的原始文献)。然而,基于经验的方程通常只能得到标量量,例如最大波高或上涨高度,而无法获得水面高度和流速的完整时间演变。准确再现这些变量的完整时间序列对于灾害缓解至关重要,因为它可以评估淹没的最大范围、对沿海结构的时间依赖性波浪力以及危险条件的顺序发生时间。
数值建模提供了一种再现这些时间演变的方法。早期的方法通常依赖于非色散的浅水模型(Jiang and Leblond, 1993; Imamura and Imteaz, 1995; Ren et al., 2020; Wang et al., 2020)。尽管这些模型在地震引发的海啸预测中取得了成功(Koyano et al., 2021; Takabatake et al., 2022b),但对于滑坡情况,它们的准确性较低,因为在这种情况下较短波长和更强的色散效应起着关键作用(Grilli et al., 2017; Kim et al., 2020)。为了解决这一限制,引入了色散长波公式,如Boussinesq型方程,从而能够更可靠地表示滑坡引发的海啸传播(Dutykh and Kalisch, 2013; Ma et al., 2015; Grilli et al., 2017; Baba et al., 2019; Kim et al., 2020; Paris et al., 2020)。然而,在高度非线性的生成阶段,滑坡运动与周围水体的强烈相互作用使得深度积分的二维(2D)模拟不足。因此,在滑坡生成区域附近采用了三维多层Navier–Stokes模型(Liu et al., 2005; Abadie et al., 2010; Montagna et al., 2011; Horrillo et al., 2013; Urakami and Yoneyama, 2021; Sabeti and Heidarzadeh, 2022; Clous and Abadie, 2019; Romano et al., 2020; Huang and Chan, 2022; Sabeti et al., 2024; Hosaka et al., 2019; Paris et al., 2021; Rauter et al., 2021; Rauter et al., 2022; Romano et al., 2023; Takabatake and Takemoto, 2024; Romano et al., 2025; Barajas et al., 2026)。在这些三维方法中,OpenFOAM已成为模拟滑坡引发海啸最广泛使用的开源CFD平台之一。使用interFoam和multiphaseInterFoam等求解器,之前的研究已经在体积流体(VOF)框架内对多相自由表面流动进行了建模,通常结合了粘塑性或μ(I)型流变学来表示颗粒材料(例如,Romano et al., 2023, 2025; Rauter et al., 2022)。这些工作表明OpenFOAM能够再现实验室规模的实验并合理地捕捉滑坡-水相互作用过程。然而,这些高保真度模拟在需要细网格、湍流建模(RANS或LES)和流变学校准时仍然计算成本很高。
尽管具有高准确性,但全三维模拟在生成实际规模的时间序列方面仍然过于昂贵。为了解决这个问题,提出了一种混合方法,即仅将三维多层模拟限制在近场范围内,并将其输出作为边界条件传递给Boussinesq模型进行海上传播(Horrillo et al., 2013)。这种方法在准确性和效率之间取得了平衡,并已被广泛用于评估实际规模下滑坡引发海啸的沿海影响(Tan et al., 2018; Abadie et al., 2020; Lin et al., 2021; Nemati et al., 2023;)。