基于RBF神经网络的FPSO系泊力预测方法和原型应用

摘要

为了保障浮式海洋平台运行安全,需要对平台的运动响应、系泊受力进行预报.常用的预报方法多基于数值计算和模型实验,存在一定的局限性.针对渤海海域常见的采用软刚臂单点系泊形式的浮式生产储卸油装置(FPSO),通过将原型测量获得的数据作为学习样本,采用RBF神经网络算法进行系泊受力的预报,克服了传统BP神经网络缺点,获得较高的精度.通过与样本外实测数据进行对比,论证了该方法在工程应用上的可行性.