물리 정보 신경망을 이용한 해양 압력 장 예측

부분적으로 측정된 다양한 범위-깊이에서의 압력 크기를 기반으로 한 해양 소리 압력 장 예측이 제시됩니다. 우리가 제안한 기계 학습 전략은 범위-깊이를 입력으로 하고 해당 위치에서의 복잡한 음향 압력을 출력하는 학습된 신경망을 사용합니다. 우리는 해양 소리 압력 장을 지배하는 편미분 방정식(PDE)에서 제공하는 추가 정보를 고려하면서 샘플 데이터에 맞는 물리 정보 신경망(PINN)을 활용합니다. 킬로미터 규모의 범위를 가진 광대한 해양 환경에서 압력 장은 100 Hz 이하의 주파수에서도 빠르게 변동하는 위상을 보이며, 이는 신경망이 정확한 솔루션으로 수렴하는 데 도전 과제가 됩니다. 이를 해결하기 위해 우리는 해양 소리 전파 모델링에 근본적인 포물선 방정식 기술의 봉투 함수를 활용합니다. 봉투 함수는 범위에 따라 더 느린 변화를 보이므로 PINN이 해양 웨이브가이드에서 소리 압력을 보다 효과적으로 예측할 수 있게 해줍니다. 추가 PDE 정보는 PINN이 제한된 양의 훈련 데이터로도 PDE 솔루션을 캡처할 수 있게 하여, 방대한 데이터세트를 필요로 하는 순수 데이터 기반 기계 학습 접근 방식과 구별됩니다. 우리의 접근법은 시뮬레이션 및 SWellEx-96 실험 데이터를 사용하여 검증되었습니다.