海洋平底结构物入水砰击力的峰值预测方法、装置及设备

技术领域

本申请涉及到人工智能的预测分析技术领域，特别是涉及到一种海洋平底结构物入水砰击力的峰值预测方法、装置和计算机设备。

背景技术

海洋平底结构物在吊装入水时经常会发生砰击现象。海洋平底结构物入水是一个瞬态过程，由于海洋平底结构物受到水体的砰击力持续时间很短，所以砰击力的量值往往很大，很可能引起海洋平底结构物的变形和破坏。若海洋平底结构物受到的砰击力大于其自重，索具容易出现松弛现象，会受到极大的突发力。因此，为了确保海洋平底结构物和索具安全载荷达到作业要求，避免发生严重的事故，有必要提前预测海洋平底结构物入水砰击力的峰值，以指导海洋平底结构物的设计以及海上吊装作业。

由于海洋平底结构物的入水问题涉及到固体、流体和气体之间的耦合作用，是一种强非线性的复杂瞬态物理过程，这使得现有的预测方法都难以快速、准确地预测海洋平底结构物的入水砰击力的峰值。

发明内容

本申请的主要目的为提供一种海洋平底结构物入水砰击力的峰值预测方法、装置和计算机设备，旨在解决目前的海洋平底结构物入水砰击力的峰值预测方法效率较低、准确性较差的技术问题。

为了实现上述发明目的，本申请提出一种海洋平底结构物入水砰击力的峰值预测方法，包括：

获取目标海洋平底结构物的目标几何参数；

将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值；

其中，预设的所述最优函数公式的获取方法，包括：

获取多组不同海洋平底结构物的几何参数；

利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

进一步地，所述利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值的步骤，包括：

利用三维建模软件建立海洋平底结构物的计算模型，将所述几何参数配置在所述计算模型中；其中，所述计算模型用于模拟海洋平底结构物；

利用所述计算模型模拟所述海洋平底结构物在所述几何参数下的入水砰击过程，对所述入水砰击过程的计算模型进行受力分析，根据受力分析结果确定所述海洋平底结构物的入水砰击力的峰值；

调整所述几何参数的数值，将调整后的几何参数重新配置所述计算模型，再次模拟所述海洋平底结构物的入水砰击过程，得到不同数值下的入水砰击力的峰值。

进一步地，所述几何参数包括入水速度，所述将所述几何参数配置在所述计算模型中的步骤之前，还包括：

在确定未获取到海洋平底结构物的入水速度时，按照预设网格数量对所述计算模型的表面进行网格划分，根据划分后的网格设置所述计算模型的计算域、网格密度及初始入水点；所述计算域为所述计算模型的入水区域；

根据所述计算模型的计算域、网格密度及初始入水点确定所述海洋平底结构物的入水速度。

进一步地，所述根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式的步骤，包括：

随机生成多个含有变量或常数的第一函数公式，所述多个第一函数公式用于预测目标海洋平底结构物的入水砰击力的峰值；

将所述训练集的几何参数分别导入所述多个第一函数公式中进行计算，得到第一计算结果，根据第一计算结果及训练集中几何参数对应的入水砰击力峰值对所述多个第一函数公式进行适应度计算，并将适应度大于预设值的第一函数公式作为第二函数公式；

按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行变异，得到第三函数公式；

将所述测试集的几何参数分别导入所述第三函数公式中进行计算，得到第二计算结果，筛选出与所述测试集中几何参数对应的入水砰击力峰值最接近的第二计算结果，将第二计算结果最接近入水砰击力峰值对应的第三函数公式作为最优函数公式。

进一步地，所述根据第一计算结果训练集中几何参数对应的入水砰击力峰值对所述多个第一函数公式进行适应度计算之后，还包括：

将适应度小于预设值的第一函数公式进行淘汰。

进一步地，所述从所述多个第一函数公式中筛选出适应度大于预设值的第二函数公式之后，还包括:

对每两个所述第二函数公式之间进行变量或常数的随机交换，利用交换后的第二函数公式执行按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行变异的步骤。

进一步地，所述随机生成多个含有变量或常数的第一函数公式之后，还包括；

将所述第一函数公式用二叉树表示，所述二叉树中所有的叶节点为第一函数公式的变量或常数，所述二叉树中所有的内部节点为第一函数公式的函数。

本申请还提供一种海洋平底结构物入水砰击力的峰值预测装置，包括：

获取模块，用于获取目标海洋平底结构物的目标几何参数；

预测模块，用于将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值；

还包括最优函数公式获取模块，用于获取多组不同海洋平底结构物的几何参数，利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。

本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。

本申请的海洋平底结构物入水砰击力的峰值预测方法、装置和计算机设备，本申请通过获取目标海洋平底结构物的目标几何参数，将目标几何参数导入预设的最优函数公式中，直接利用最优函数公式预测目标海洋平底结构物的入水砰击力的峰值，避免了大量的数据运算，从而有效地提高了工程上预测海洋平底结构物入水砰击力峰值的效率，所计算得到的最优函数公式也可为海洋平底结构物的设计及海上吊装方案提供参考价值，在海洋工程吊装作业中具有广泛的工程应用前景。此外，本申请在获取预设的所述最优函数公式时，通过获取多组不同海洋平底结构物的几何参数，利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式，从而进一步结合遗传算法，挖掘出难以通过人脑构建的最优函数公式，利用最优函数公式计算海洋平底结构物的入水砰击力的峰值，以兼顾预测精度。

附图说明

图1为本申请一实施例的海洋平底结构物入水砰击力的峰值预测方法的流程示意图；

图2为本申请一实施例的海洋平底结构物入水砰击力的峰值预测装置的结构示意框图；

图3为本申请一实施例的计算机设备的结构示意框图。

本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

本申请提出一种基于遗传算法的海洋平底结构物入水砰击力的峰值预测方法，利用遗传算法实现符号回归，发现海洋平底结构物入水砰击力峰值的数学计算公式，以此利用特征变量(影响砰击压峰值的主要因素)预测目标变量(砰击压峰值)。根据结构物入水砰击压力主要与入水速度和结构形状有关，对于海洋平底结构物，影响其入水砰击力的因素主要有入水速度、结构质量、底面长宽比及底面积四个参数。因此需根据实际海上作业情况与海洋平底结构物设置前述四个参数，利用数值方法确定对应的砰击力峰值。

具体的，参照图1，本申请实施例中提供的一种海洋平底结构物入水砰击力的峰值预测方法，涉及人工智能的预测分析技术领域，包括步骤：

S1、获取目标海洋平底结构物的目标几何参数；

S2、将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值。

如上述步骤S1所述，所述海洋平底结构物包括钢板、操作平台、设备、船舶等需进行吊装作业的重物。对海洋平底结构物吊装入水产生的砰击力进行计算时，需获取目标海洋平底结构物的目标几何参数，该目标几何参数包括目标海洋平底结构物的入水速度、底面长宽比、底面积以及结构质量等影响海洋平底结构物入水砰击力的元素，所考虑的元素越多，则计算得到的海洋平底结构物入水砰击力的峰值预测结果越精确。其中，所述入水速度可通过传感器测量海洋平底结构物入水时的速度得到，还可通过人工控制目标海洋平底结构物按指定的入水速度入水。所述底面长宽比及底面积可通过测量海洋平底结构物的长、宽、高计算得到。结构质量可首先根据长、宽、高计算得到结构的体积，再根据结构的体积及结构密度计算得到结构质量。

其中，预设的所述最优函数公式的获取方法，包括：

获取多组不同海洋平底结构物的几何参数；

利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

本申请为了权衡海洋平底结构物入水砰击力的峰值预测效率及精度，可优先选用海洋平底结构物指定的入水速度、结构质量、底面长宽比及底面积这四个元素，以减少计算量，并兼顾预测精度。具体的，利用数值方法确定海洋平底结构物在指定的入水速度、结构质量、底面长宽比及底面积这四个几何参数下的入水砰击力峰值，利用数值方法确定不同海洋平底结构物对应几何参数下的入水砰击力峰值，得到多组不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成多组“几何参数-入水砰击力峰值”的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

其中，所述遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解(称为个体)的抽象表示(称为染色体)的种群向更好的解进化。传统上，解用二进制表示(即0和1的串)，但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评价，从当前种群中随机地选择多个个体(基于它们的适应度)，通过自然选择和突变产生新的生命种群，该种群在算法的下一次迭代中成为当前种群，从而得到最优解。

如上述步骤S2所述，本申请挖掘出最优函数公式后，可将入水速度、底面长宽比、底面积以及结构质量这四个目标几何参数导入所述最优函数公式中，且分别对应最优函数公式中的变量，以预测目标海洋平底结构物在当前目标几何参数下的入水砰击力的峰值。

本申请的海洋平底结构物入水砰击力的峰值预测方法，通过获取目标海洋平底结构物的目标几何参数，将目标几何参数导入预设的最优函数公式中，直接利用最优函数公式预测目标海洋平底结构物的入水砰击力的峰值，避免了大量的数据运算，从而有效地提高了工程上预测海洋平底结构物入水砰击力峰值的效率，所计算得到的最优函数公式也可为海洋平底结构物的设计及海上吊装方案提供参考价值，在海洋工程吊装作业中具有广泛的工程应用前景。此外，本申请在获取预设的所述最优函数公式时，通过获取多组不同海洋平底结构物的几何参数，利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式，从而进一步结合遗传算法，挖掘出难以通过人脑构建的最优函数公式，利用最优函数公式计算海洋平底结构物的入水砰击力的峰值，以兼顾预测精度。

在一个实施例中，所述利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值的步骤，可包括：

利用三维建模软件建立海洋平底结构物的计算模型，将所述几何参数配置在所述计算模型中；其中，所述计算模型用于模拟海洋平底结构物；

利用所述计算模型模拟所述海洋平底结构物在所述几何参数下的入水砰击过程，对所述入水砰击过程的计算模型进行受力分析，根据受力分析结果确定所述海洋平底结构物的入水砰击力的峰值；

调整所述几何参数的数值，将调整后的几何参数重新配置所述计算模型，再次模拟所述海洋平底结构物的入水砰击过程，得到不同数值下的入水砰击力的峰值。

如上步骤所述，本实施例利用三维建模软件建立海洋平底结构物的计算模型，以模拟海洋平底结构物入水情况，并对入水砰击过程的计算模型进行受力分析。其中，所述三维建模软件可采用3DMAX,MAYA,Multigen Creator,Sketch up,Deep Exploration等软件，并根据海洋平底结构物设置计算模型的几何参数，即长、宽、高以及模型密度，得到计算模型底面的长宽比、底面积以及质量，同时设定计算模型的入水速度，将配置完成的计算模型按所述入水速度模拟海洋平底结构物的入水情况，并获取计算模型各入水状态的入水砰击力，确定入水砰击力的峰值。此外，不断调整海洋平底结构物的几何参数，如随机变更海洋平底结构物的入水速度、长宽比、底面积或质量中的一个因素，将调整数值后的几何参数重新配置计算模型，以再次模拟海洋平底结构物的入水情况，并对入水砰击过程的计算模型再次进行受力分析，得到海洋平底结构物在不同数值的几何参数下的入水砰击力的峰值，从而通过模拟的方式，方便获取多组“几何参数-入水砰击力峰值”，无需在吊装现场进行一一实验，操作简单，且精确度高，同时避免了现场实验的潜在风险。

此外，本申请在利用计算模型模拟几何参数下海洋平底结构物的入水砰击力的峰值时，还可根据真实的海况设置不同的虚拟波浪环境，如设置波浪的高度、冲击力等参数，以真实地模拟海洋平底结构物的入水情况，并对入水砰击过程的计算模型进行受力分析，从中得到受力最大的入水砰击力，以此作为海洋平底结构物的入水砰击力的峰值，并使计算得到的入水砰击力的精度更高。

在一个实施例中，所述几何参数包括入水速度，所述将所述几何参数配置在所述计算模型中的步骤之前，还包括：

在确定未获取到海洋平底结构物的入水速度时，按照预设网格数量对所述计算模型的表面进行网格划分，根据划分后的网格设置所述计算模型的计算域、网格密度及初始入水点；所述计算域为所述计算模型的入水区域；

根据所述计算模型的计算域、网格密度及初始入水点确定所述海洋平底结构物的入水速度。

在本实施例中，海洋平底结构物的入水速度与结构质量、初始入水点、与海面接触区域等参数有关，因此本申请还可根据所述参数，利用计算模型模拟得到。具体的，可将计算模型的底部表面划分为若干个网格，根据划分后的网格设置计算模型的计算域、网格密度及初始入水点，根据所述计算模型的计算域、网格密度及初始入水点确定海洋平底结构物的入水速度，再利用合适的求解器对含有入水速度的几何参数进行求解，得出海洋平底结构物的入水砰击力的峰值，最后求解不同几何参数下的入水砰击力的峰值，以此作为训练集与测试集。其中，所述计算域为计算模型的入水区域，所述初始入水点为计算模型与海面最先接触的位置，网格密度根据计算模型的底面积及网格数量确定。

本实施例通过计算模型计算海洋平底结构物的入水速度的方式，无需另外通过传感器现场测量海洋平底结构物的入水速度，节省了人力和物力，并提高了作业效率。

在一个实施例中，所述根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式的步骤，可具体包括：

随机生成多个含有变量或常数的第一函数公式，所述多个第一函数公式用于预测目标海洋平底结构物的入水砰击力的峰值；

将所述训练集的几何参数分别导入所述多个第一函数公式中进行计算，得到第一计算结果，根据第一计算结果及训练集中几何参数对应的入水砰击力峰值对所述多个第一函数公式进行适应度计算，并将适应度大于预设值的第一函数公式作为第二函数公式；

按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行变异，得到第三函数公式；其中，所述变异方式包括子树变异、hoist变异、点变异；

将所述测试集的几何参数分别导入所述第三函数公式中进行计算，得到第二计算结果，筛选出与所述测试集中几何参数对应的入水砰击力峰值最接近的第二计算结果，将第二计算结果最接近入水砰击力峰值对应的第三函数公式作为最优函数公式。

如上步骤所述，在初始阶段，一定数量的第一函数公式会被随机生成，也就是第一代个体，用于预测目标海洋平底结构物的入水砰击力的峰值，第一函数公式中包括至少四个变量和常数，利用预先得到的训练集的几何参数分别导入多个第一函数公式中进行计算，得到第一计算结果，该第一结算结果为入水砰击力的第一峰值，将第一峰值与训练集中几何参数对应的入水砰击力峰值进行比较，并对所述多个第一函数公式进行适应度计算，以评估所有第一函数公式，所得到的适应度值是衡量当前第一函数公式的优劣程度的体现。若第一峰值与训练集中几何参数对应的入水砰击力峰值越接近，则适应度越高，则表示对应的第一函数公式越接近最优函数公式。其中，适应度可以选择mean absolute error、mean squared error或root mean squared error。

进一步地，本实施例根据计算得到的适应度，筛选出适应度大于预设值的第一函数公式，将适应度大于预设值的第一函数公式作为第二函数公式；并按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行多次变异，最终得到第三函数公式。所述变异方式为可随机选择所述第二函数公式中的一个或多个变量、常数进行变换，例如对第二函数公式中的入水速度这一参数进行变换，得到第三函数公式；或将第二函数公式中的常数进行变换，得到第三函数公式。此外，每次变异时，若上次变异时对第二函数公式中的入水速度进行了变换，则此次对第二函数公式进行变异时，则对除入水速度之外的其他参数进行变换，得到第三函数公式，即第二函数公式中未变换的变量或常数的变异概率更高，以得到人脑无法构建的函数公式。

最后将预先得到的测试集的几何参数分别导入多次变异后的第三函数公式中进行计算，得到第二计算结果，该第二结算结果为入水砰击力的第二峰值，将第二峰值与测试集中几何参数对应的入水砰击力峰值进行比较，并对所述多个第三函数公式进行适应度计算，以评估变异后的第三函数公式的优劣性，筛选出第二计算结果与所述测试集中几何参数对应的入水砰击力峰值最接近的第二计算结果，将第二计算结果最接近入水砰击力峰值对应的第三函数公式，作为最优函数公式。因此，随着迭代次数的增长，第一函数公式不断繁殖、选择、变异、进化，从而不断逼近数据分布的规律，挖掘出隐藏的最优函数公式，挖掘出难以通过人脑构建的函数公式，提出普适性的数学计算公式，避免了大量的数值计算，有效地提高了工程上预测海洋结构物入水砰击压力峰值的精度。

在一个实施例中，所述根据第一计算结果及训练集中几何参数对应的入水砰击力峰值对所述多个第一函数公式进行适应度计算之后，还可包括：

将适应度小于预设值的第一函数公式进行淘汰。

本实施例依据适应度选择第二函数公式时，适应度高的第一函数公式被选中为第二函数公式的概率高，适应度低的第一函数公式则被淘汰。

在一个实施例中，所述从所述多个第一函数公式中筛选出适应度大于预设值的第二函数公式之后，还可包括:

对每两个所述第二函数公式进行变量或常数的随机交换，利用交换后的第二函数公式执行按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行变异的步骤。

本实施例模拟遗传学中染色体的交叉，选择一个适应度高的第二函数公式的变量或常数替换适应度较低的第二函数公式的变量或常数，此处选择的适应度高的第二函数公式通常是剩余第二函数公式中适应度最高的。此外，还可以任意选择两个所述第二函数公式，对每两个所述第二函数公式之间进行变量或常数的随机交换，利用交换后的第二函数公式按照预设变异概率和预设变异方式随机选择所述第二函数公式中的变量或常数进行变异，从而在第一函数公式的基础上不断生成新的函数公式，并对新生成的函数公式进行适应度计算，以从中挖掘出隐藏的最优函数公式。

在一个实施例中，所述随机生成多个含有变量或常数的第一函数公式之后，还包括；

将所述第一函数公式用二叉树表示，所述二叉树中所有的叶节点为第一函数公式的变量或常数，所述二叉树中所有的内部节点为第一函数公式的函数。

在计算机科学中，二叉树是每个节点最多有两个子树的树结构。通常子树被称作“左子树”和“右子树”，左子树和右子树同时也是二叉树。二叉树的子树有左右之分，并且次序不能任意颠倒，用于排序和提高检索的效率。本实施例将第一函数公式用二叉树表示，所有二叉树的叶节点都是第一函数公式的变量或者常数，二叉树中所有的内部节点是第一函数公式的函数，以对第一函数公式进行简化，便于后续对第一函数公式进行不断繁殖、选择、变异、进化，提高处理效率。

参照图2，本申请实施例中还提供一种海洋平底结构物入水砰击力的峰值预测装置，包括：

获取模块1，用于获取目标海洋平底结构物的目标几何参数；

预测模块2，用于将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值；

还包括最优函数公式获取模块3，用于获取多组不同海洋平底结构物的几何参数，利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

如上所述，可以理解地，本申请中提出的所述海洋平底结构物入水砰击力的峰值预测装置的各组成部分可以实现如上所述海洋平底结构物入水砰击力的峰值预测方法任一项的功能，具体结构不再赘述。

参照图3，本申请实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图3所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于关系抽取模型、药物发现模型等数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种海洋平底结构物入水砰击力的峰值预测方法。

上述处理器执行上述的海洋平底结构物入水砰击力的峰值预测方法，包括：

获取目标海洋平底结构物的目标几何参数；

将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值；

其中，预设的所述最优函数公式的获取方法，包括：

获取多组不同海洋平底结构物的几何参数；

利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现一种海洋平底结构物入水砰击力的峰值预测方法，包括步骤：

获取目标海洋平底结构物的目标几何参数；

将所述目标几何参数导入预设的最优函数公式中，利用所述最优函数公式预测所述目标海洋平底结构物的入水砰击力的峰值；

其中，预设的所述最优函数公式的获取方法，包括：

获取多组不同海洋平底结构物的几何参数；

利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

综上所述，本申请的最大有益效果在于：

本申请的海洋平底结构物入水砰击力的峰值预测方法、装置和计算机设备，通过获取目标海洋平底结构物的目标几何参数，将目标几何参数导入预设的最优函数公式中，直接利用最优函数公式预测目标海洋平底结构物的入水砰击力的峰值，避免了大量的数据运算，从而有效地提高了工程上预测海洋平底结构物入水砰击力峰值的效率，所计算得到的最优函数公式也可为海洋平底结构物的设计及海上吊装方案提供参考价值，在海洋工程吊装作业中具有广泛的工程应用前景。此外，本申请在获取预设的所述最优函数公式时，通过获取多组不同海洋平底结构物的几何参数，利用数值方法确定不同海洋平底结构物在对应几何参数下的入水砰击力峰值，生成由多组几何参数与对应入水砰击力峰值构成的训练集与测试集，根据所述训练集与测试集，利用遗传算法挖掘出海洋平底结构物的入水砰击力的最优函数公式，从而进一步结合遗传算法，挖掘出难以通过人脑构建的最优函数公式，利用最优函数公式计算海洋平底结构物的入水砰击力的峰值，以兼顾预测精度。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。

以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。