潜式平台内孤立波流场稀疏重建研究进展

随着全球能源结构的深度转型与海洋强国战略的持续推进，深远海油气及可再生能源开发正成为新一轮能源革命的重要方向。深海复杂多变的海洋环境对传统固定式平台提出了严峻挑战，推动了浮式与潜式平台技术的快速发展。潜式平台（Submerged Platform）因其抗流蚀能力强、结构稳定性高、可规避地质沉降等优点，被视为未来深水油气开采的重要发展路径。然而，在深层分层海域中广泛存在的内孤立波（Internal Solitary Waves, ISWs），其传播过程伴随强烈的流速与压力脉动，可对潜式平台及其附属系统产生显著的动态载荷冲击，威胁深海开发的安全与稳定。准确掌握潜式平台周围在内孤立波作用下的流场分布规律，是深海结构防护设计、动力响应预测与安全评估的关键科学问题。

在真实海洋环境中，尽管多普勒流速剖面仪（ADCP）及压力传感器等监测设备可获取局部流场信息，但其观测范围有限、设备造价高昂且维护困难，难以实现长期、全域监测。传统数值模拟虽可获得相对完整的流场分布，却依赖大量边界条件、计算成本高昂，难以满足复杂海况下的实时预测需求。如何在仅具稀疏观测数据的条件下，实现对潜式平台周围全局流场的高精度重建与动态预测，已成为当前深海工程领域亟待攻克的核心瓶颈问题。

针对上述重大科学与工程挑战，本研究原创性地提出了一种融合物理信息神经网络（Physics-Informed Neural Network, PINN）与注意力机制（Attention Mechanism）的稀疏流场重建方法，实现了在极少观测数据条件下对潜式平台周围全局流场的高保真重建（如图2所示）。

该方法将Navier–Stokes方程显式嵌入深度神经网络的约束体系，使网络在学习流场分布的同时自动遵循流体动力学规律，从根本上提升了模型的物理一致性与跨场景泛化能力。通过引入多尺度卷积结构与双向注意力机制，模型能够自适应捕捉内孤立波传播过程中流场的复杂时空耦合特征，实现了从局部稀疏观测到全局流动重构的跨越式突破。

实验结果（如图3所示）表明，该方法在多种稀疏采样场景下均保持高精度与强鲁棒性，显著提升了内孤立波流场预测的精度与稳定性。

这一研究不仅在稀疏流场重建领域实现了理论与方法的双重创新，也为未来深海智能平台的安全感知、数据驱动建模与自主决策奠定了技术基础。

本研究成果以"Sparse reconstruction of the flow field around a submerged platform in internal solitary waves"为题，于2025年10月发表在国际权威期刊《Ocean Engineering》上。

论文链接：https://doi.org/10.1016/j.oceaneng.2025.123033

[论文下载]