Design of a floating offshore structure by a deep neural network (2022)
- Authors:
- Autor USP: ESTEVES, FILLIPE ROCHA LEONEL - EP
- Unidade: EP
- Sigla do Departamento: PNV
- Subjects: REDES NEURAIS; ESTRUTURAS OFFSHORE FLUTUANTES; APRENDIZADO COMPUTACIONAL; INTELIGÊNCIA ARTIFICIAL; SUPERFÍCIES DE RESPOSTA
- Agências de fomento:
- Language: Inglês
- Abstract: As Redes Neurais Profundas são um algoritmo de aprendizado de máquina que tem como princípio concatenar operações não lineares envolvendo matrizes. Essas redes artificiais podem realizar transformações entre dados de entrada e de saída atualizando uma matriz de pesos, inicializados aleatoriamente. É necessário fornecer um conjunto de dados de treinamento para minimizar uma função de perda, durante o treinamento da rede. Os procedimentos de validação e teste garantem a qualidade da rede treinada. O projeto offshore requer uma modelagem complexa que reflete a natureza do ambiente oceânico. Para produzir um mapeamento da resposta hidrodinâmica do sistema offshore, muitas vezes é necessário um grande volume de simulações, o que eleva o custo computacional do projeto. Neste ponto, surge a oportunidade de convergir as potencialidades do deep learning e os desafios do projeto offshore. Assim sendo, este trabalho propõe um método para avaliar redes neurais profundas, usadas como superfícies de resposta dos modelos dinâmicos de plataforma semissubmersível em ondas: um modelo massa-mola-amortecedor e um modelo hidrodinâmico analítico, validado com dados de referência. O baixo custo computacional desses modelos permitiu a geração de grandes conjuntos de dados. A hipersuperfície de resposta N-dimensional em cada caso é uma combinação de parâmetros de entrada. Um estudo adequado permitiu a correta definição dos parâmetros da rede neural: o número de camadas e o número de neurônios por camada, visando a configuração que fornecesse o mínimo erro quadrático médio. A superfície de resposta representada pela rede neural pode ser facilmente acoplada a um algoritmo de otimização que avalie centenas de soluções viáveis e encontre o projeto ótimo. O uso de redes neurais comosuperfície de resposta tem excelente custo-benefício na modelagem dinâmica durante o projeto preliminar de plataformas offshore, nos casos em que o tempo disponível antes das tarefas de otimização é longo o suficiente para preparar um conjunto de dados de treinamento e nos casos sujeitos a atualizações de requisitos ao longo da fase de projeto conceitual.
- Imprenta:
- Data da defesa: 13.06.2022
-
ABNT
ESTEVES, Fillipe Rocha Leonel. Design of a floating offshore structure by a deep neural network. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22052023-110138/. Acesso em: 03 jun. 2024. -
APA
Esteves, F. R. L. (2022). Design of a floating offshore structure by a deep neural network (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22052023-110138/ -
NLM
Esteves FRL. Design of a floating offshore structure by a deep neural network [Internet]. 2022 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22052023-110138/ -
Vancouver
Esteves FRL. Design of a floating offshore structure by a deep neural network [Internet]. 2022 ;[citado 2024 jun. 03 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22052023-110138/
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
