题 目：基于人工智能的模型试验参数优化—以风力发电桩柱的水波载荷试验为例

时 间：2023年12月29日上午9:00-10:00

地 点：交通大楼604

报告人：唐天宁博士后研究员（牛津大学）

欢迎广大师生参加！

土木与交通学院

2023年11月25日

报告人简介：

   唐天宁博士，现于牛津大学担任博士后研究员，聚焦水动力学及恶劣海洋环境方面的研究。于2021年5月通过牛津大学博士答辩，并主持人工智能科学博士后奖学金项目，资助金额约合每年80万RMB。同时作为主要完成人参与中英国际合作重点项目，EPSRC项目等3项。以第一或通讯作者发表SCI论文9 篇，其中流体力学顶刊JFM 4篇；受邀在包括麻省理工、帝国理工等国内外顶尖高校作学术讲座共 13 场。先后获英国最佳流体力学博士、OMAE OutReach 奖等，并担任牛津大学学术委员会委员。

讲座内容简介：

   模型测试在沿海和近海工程中扮演重要角色。有效的模型测试设计能大幅提升采样效率从而减少试验所需工况。在这项研究中，我们针对海洋工程中的一个经典问题—垂直圆柱体上的非线性波浪载荷，开发了一种基于贝叶斯采样的模型测试设计策略。该实验设计策略基于GP模型，将先前的实验数据视为先验信息。通过修改IAF (Information Acquisition Function)，我们首次将海洋水波数据直接纳入实验设计考量。为了测试新开发的试验设计策略，我们进行了一项新的完全由机器学习设计的实验，其中的关键参数均遵守全新采样策略，其中就包括圆柱体的尺寸和所有波浪工况。与传统实验工况设计相比，该方法是在预测高阶力系数方面具有展现出优越的性能，并且显著减少了模型测试所需的工况。