圆形重力式深水网箱受灾破坏机理分析(3)
3.2 计算结果
重力式深水网箱结构受损的指标包括: 网箱锚绳张力的最大值、容积保持率最小值以及浮架应力的最大值。通过计算,得到了周长分别为40,60 m和80 m的圆形重力式深水单体网箱在水深分别为20,22 m和23 m时在设计工况下的锚绳张力最大值、容积保持率最小值以及浮架应力最大值的变化。其中图3~5分别为周长40 m的网箱在不同深度下锚绳张力最大值、容积保持率最小值及浮架应力最大值的对比。
工况波高/m周期/s工况波高/m周期/s工况波高/m周期/s工况波高/m周期/......5
图3 周长40 m的网箱不同深度锚绳张力最大值Fig.3 Maximum tension of mooring lines of the net cage (circumference 40 m) at different depth
图4 周长40 m的网箱不同深度容积保持率最小值Fig.4 Minimum effective volume ratio of the net cage(circumference 40 m) at different depth
3.3 结果分析
利用第1节的水动力数值模型得到的输入输出数据作为BP神经网络的训练数据,使训练后的神经网络能表达输入和输出的非线性关系。为了验证这种模型的正确性,根据设计需要,总共计算了144组工况,从中取140组作为训练数据,用于网络训练,剩下的4组作为测试数据,用于测试的工况,见表2。锚绳张力最大值的期望输出和预测输出如图6所示,容积保持率的最小值的期望输出和预测输出如图7所示,浮架应力最大值的期望输出和预测输出如图8所示。图中圆点代表期望输出值,它是由水动力数值模型计算出来的结果,三角形的点代表预测输出值,它是由BP神经网络计算出来的结果。通过对比发现两者非常接近,两者之间误差的最大值均在10%以内,在接受的范围内。说明BP神经网络的方法是可行的,进而解释了BP神经网络所建立的这种模型能够很好拟合受灾因子与重力式深水网箱结构破坏的关系。
图5 周长40 m的网箱不同深度浮架应力最大值Fig.5 Maximum stress of floating collar of the net cage(circumference 40 m) at different depth表2试验工况 conditions
编号浪高/m周期/s水深/m网箱周长/m148.0 .9 .6 .8 2380
图6 锚绳张力最大值期望值与预测值的对比Fig.6 Comparison between expected value and predicted value of the maximum tension of mooring lines
运用2.2节中所述的灰色关联度方法对水动力数值模型计算出的数据进行灰色关联分析。分析所得受灾因子与锚绳张力最大值的关联序列见表3。比较发现,波高的关联系数为0.56,与其他受灾因子的关联系数相差较大,因此波高是主控因子。受灾因子与容积保持率的最小值的关联序列见表4。通过比较发现,周长和水深的关联系数分别为0.39和0.36,较波高和周期的关联系数明显偏大,因此周长为主控因子,水深为次要因子。受灾因子与浮架应力最大值的关联序列见表5,通过比较发现,周长的关联系数为0.56,较其他破坏因子的关联系数偏大,周长为主控因子。
图7 容积保持率最小值期望值与预测值的对比Fig.7 Comparison between expected value and the predicted of the minimum effective volume ratio
图8 浮架应力最大值期望值与预测值的对比Fig.8 Comparison between expected value and predicted of maximum stress of floating collar表3受灾因子与锚绳张力最大值的关联序列 sequence of the hazard factors and the maximum value of mooring lines
受灾破坏因子关联系数受灾破坏因子关联系数波浪0.56周长0.30周期0.46水深0.30
表4受灾因子与容积保持率最小值的关联序列 sequence of the hazard factors and the minimum effective volume ratio受灾破坏因子关联系数受灾破坏因子关联系数周长0.39波高0.25水深0.36周期0.24
表5受灾因子与浮架应力最大值的关联序列 sequence of the hazard factors and the maximum stress of floating collar受灾破坏因子关联系数受灾破坏因子关联系数周长0.58波高0.34周期0.35水深0.31
4 讨 论
通过3.3节的分析可知,导致锚绳破坏的主要受灾因子是浪高,这是因为水质点的速度和加速度随着波高的增大会显著增大,导致锚绳的张力加速增大[3],最终达到极限应力从而破坏。导致网箱有效容积发生改变的主要因子是周长,周长越大,有效容积损失越严重。浮架承受的荷载主要来自锚绳张力、波浪载荷及网衣的自重,破坏机理较复杂,分析表明周长对浮架应力的影响最大,因此周长是它的主控因子。综上所述,水文参数中,波高对锚绳的破坏较为显著,而结构参数中,周长对容积的保持和浮架的破坏更为显著[13-15]。
5 结 语
本文首次提出运用BP 神经网络方法建立重力式深水网箱水动力计算模型,该模型能够准确、快速地得到重力式深水网箱的水动力特性指标且具有精准、高效的特点,可以用来实现大面积海区风暴潮灾害下重力式深水网箱致灾破坏的预警分析,同时也为重力式深水网箱的安全设计和科学布局提供了依据。分析表明,设计时首先要确定网箱的结构尺寸,当网箱的周长越大,所选择的浮架管壁就应该越厚,沉子和底圈的重量应该相应增加,这样既加固了浮架也保证了网箱的容积保持率。其次是水深的选择,尽量在网箱布设时选择在水深较浅的地方,水深越浅,锚绳张力和浮架应力越小,既可防止脱锚、走锚的发生,又可避免浮架的应力过大造成浮架断裂。最后根据当地海区的设计波高选择相应规格的锚绳,以提高网箱的稳定性和抗风浪性。这些措施既可提高风暴潮灾害下网箱的存活率,也为养殖户提供了宝贵的防灾减灾建议。
文章来源:《海洋工程》 网址: http://www.hygczz.cn/qikandaodu/2020/1209/464.html
上一篇:序 言
下一篇:环保喷砂工艺在海洋工程中的应用