立方块均质低顶结构波浪透射新公式：基于人工神经网络的深度限域破碎波况预测模型及其在生态护岸中的应用

　　本研究针对深度限域破碎波况下立方块均质低顶结构(HLCS)的波浪透射系数预测难题，通过人工神经网络(ANN)分析210组物理模型试验数据，首次建立以无量纲顶高(Rc/Dn50)和波高水深比(Hm0,I/hs)为核心变量的显式经验公式，实现KT2的高精度预测(R2=0.89)，为生态型海岸防护工程提供可靠设计工具。

　　

在海岸工程领域，准确预测波浪在防护结构上的透射特性对于保障港口安全、减少岸线侵蚀至关重要。传统均质低顶结构（Homogeneous Low-Crested Structures, HLCS）在设计时面临核心难题：现有经验公式对新型异形块体（如立方块Cubipod）的适用性有限，尤其在深度限域破碎波况下预测精度显著下降。这类结构常被应用于结合生态功能的防护工程，例如珊瑚礁环境的生态护岸，其设计精度直接关系到工程安全与生态效益。

为突破这一技术瓶颈，由Pilar Díaz-Carrasco、Patricia Mares-Nasarre、Jorge Molines、M. Esther Gómez-Martín和Josep R. Medina组成的研究团队，基于210组在西班牙瓦伦西亚理工大学（Universitat Politècnica de València）完成的二维物理模型试验数据，创新性地引入人工神经网络（Artificial Neural Networks, ANN）技术，开发出针对立方块HLCS的波浪透射显式预测公式。该研究成果为海岸工程设计提供了更为可靠的计算工具。

本研究主要采用三大关键技术方法：首先通过系统性的物理模型试验获取波浪与结构相互作用的基础数据，试验样本涵盖不同水位、波高及结构几何参数组合；其次运用人工神经网络对19个候选解释变量进行敏感性分析与特征筛选；最后采用多元非线性回归方法建立显式经验公式，并采用外部数据集验证模型泛化能力。

研究结果主要体现在以下方面：

1. 1.

   关键变量识别：通过ANN分析揭示无量纲顶高（R_c/D_n50）和波高水深比（H_m0,I/h_s）是影响波浪透射系数K_T²的最显著变量

2. 2.

   模型构建：建立仅含3个拟合参数的双变量简化公式，其决定系数R²达0.89，显著优于传统公式

3. 3.

   验证分析：通过外部数据集验证证实新公式对立方块HLCS的预测精度较现有公式提升超过30%

4. 4.

   应用边界：明确公式适用于未破损的露出水面和淹没状态HLCS，且在深度限域破碎波条件下具有最优精度

研究结论表明，新提出的显式公式不仅数学形式简洁便于工程应用，而且物理意义明确：结构顶高相对值（R_c/D_n50）反映结构对波浪的阻挡能力，而波高水深比（H_m0,I/h_s）表征波浪破碎强度特性。讨论部分进一步指出，该公式特别适用于生态型低顶结构设计，如珊瑚礁环境的人工鱼礁工程，既能保证防护效能又可促进生态系统恢复。相比现有规范推荐公式，新模型在预测精度和适用性方面实现重要突破，为海岸工程设计与风险评估提供了更为可靠的技术支撑。

这项研究的创新性在于首次将机器学习技术与传统物理模型试验相结合，实现了数据驱动与物理机制的有机统一。所开发的公式已被证明能够有效支持立方块护面HLCS的初步设计，特别是在结合生态功能的海岸防护工程领域展现重要应用价值，为可持续海岸带管理提供了科学依据和技术支撑。