为了提高海洋结构物时域水动力边界元方法的计算求解效率，基于三维时域势流理论，分别对浮体的 线性绕射问题和非线性辐射问题进行数值计算，同时采用基于 Galerkin 原理的 GMRES（m）方法求解用时 域水动力边界元方法离散得到的线性代数方程组，并与现有文献结果进行比较。研究结果表明，该方法适 于求解时域水动力边界元分析中形成的非对称稠密线性方程组，具有较好的收敛特性。计算结果令人满意， 求解效率高。

针对可见光图像特征驱动的浮选工况识别方法的不足，提出一种基于双模态图像多尺度 ＣＮＮ 特征及自适应深度自编码核极限学习机（Ｋｅｒｎｅｌ　Ｅｘｔｒｅｍｅ　Ｌｅａｒｎｉｎｇ　Ｍａｃｈｉｎｅ，ＫＥＬＭ）的浮选工况识别方法。先对泡沫的可见光、红外图像进行非下采样剪切波多尺度分解，设计双通道 ＣＮＮ 网络对双模态多尺度图像进行特征提取及融合，将多个双隐层自编码极限学习机串联成深度学习网络对 ＣＮＮ 特征逐层抽象提取，然后通过核极限学习机映射到更高维空间进行决策，最后改进量子细菌觅食算法并应用于深度自编码