FNO/PINOを用いたブシネスク型波浪モデルのサロゲート構築と内部変数の識別可能性
キーワード:
Fourier neural operator,
PINO,
Physics-informed Neural Network,
Boussinesq wave model,
Scientific Machine Learning
2026 年 7 巻 3 号 p. 180-198
詳細
2026 年 7 巻 3 号 p. 180-198
本研究では，ブシネスク型波浪変形計算を対象に，FNO/PINOによるサロゲート構築と内部変数である砕波渦動粘性係数の逆推定を試みた．平面2次元計算の中心断面から1次元断面の時空間波浪場の教師データを作成し，PINO・FNO・PINNを同一条件で比較した．FNO/PINOはPINNより水位・線流量を良好に再現した．物理制約の効果は推論条件に依存し，訓練データに近い条件では，制約を加えないFNOが良好な場合もあった．高波浪外挿では性能が低下したが，地形外挿では応答統計量が訓練範囲に近い場合に一定の再現性を示した．内部変数の教師データがない場合，順問題誤差や物理損失との不一致を補填する自由度になる傾向があり，安定な逆推定は困難であったが，少量の教師データにより推定スケールが安定した．
