船舶の磁気シグネチャを任意の深度および針路で予測するためのニューラルネットワーク：マルチダイポールモデルとの比較

科学分野:

• 造船および海洋工学
• 計算物理学
• 人工知能

背景:

• 船舶磁場を予測するための従来のマルチダイポールモデルは、計算集約的であり、位置エラーの影響を受けやすいです。
• 船舶の磁場の正確な予測は、脱磁および運用リスク評価にとって非常に重要です。

研究 の 目的:

• 船舶磁場分布を予測するための新しいニューラルネットワークモデルを開発および評価すること。
• ニューラルネットワークモデルとマルチダイポールアプローチのパフォーマンスを比較すること。

主な方法:

• 有限要素法（FEM）シミュレーションによって生成された合成データを使用してニューラルネットワークモデルをトレーニングしました。
• ベイジアン最適化を使用して、ニューラルネットワークのアーキテクチャとハイパーパラメータを微調整しました。
• モデルの精度は、さまざまな指標を使用して評価され、位置データが乱れた状態でのマルチダイポールモデルとの予測を比較しました。

主要な成果:

• ニューラルネットワークモデルは、マルチダイポールモデルと比較して同等またはそれ以上の予測精度を示しました。
• ニューラルネットワークモデルは、船舶の位置データのエラーに対して大幅に高い堅牢性を示し、品質指数の相対的な低下は6〜7倍低くなりました。
• ニューラルネットワークモデルは、マルチダイポール法と比較して計算コストを大幅に削減します。

結論:

• 開発されたニューラルネットワークモデルは、船舶磁場分布を予測するための、より高速で、より堅牢で、より正確な方法を提供します。
• このアプローチは、船舶の脱磁や海洋リスク評価などの実用的なアプリケーションに非常に適しています。
• 最適な精度を得るにはより多くのデータが必要ですが、ニューラルネットワークモデルは既存の方法よりも大幅に進歩したものです。