Традиционно, за да предскажат поведението на разбиваща се вълна, учените използват един от двата метода: или
В новата си работа, публикувана в спNature Communications, учените от MIT използваха както методи, така и машинно обучение, за да предскажат ефективно поведението на разрушаващите се вълни. Изследователите откриха, че новият модел е по-добър в предсказването как и кога се разбиват вълните. Например, AI оценява стръмността на вълната непосредствено преди счупване, както и нейната енергия и честота след счупване, по-точно от конвенционалните вълнови уравнения.
Изследователите събраха данни за движението на вълните по време навреме на експерименти в 40-метров резервоар. В единия край на резервоара авторите на творбата монтират гребло, чието движение доведе до появата на вълна в средата на резервоара. Сензори по цялата дължина на басейна измерват височината на водата, докато вълната се разпространява.
Такива експерименти отнемат много време.време. Между всеки експеримент трябва да изчакате, докато водата се успокои напълно, преди да започнете следващия експеримент, в противен случай те ще се отразят един на друг.
Деби Илтинк, съавтор на изследването
Изображение: MIT
Учените проведоха около 250 експеримента иизползва данните от измерването за обучение на невронната мрежа. Например, алгоритъмът се е научил да сравнява реални вълни в експерименти с вълни, предвидени в прост модел, и въз основа на разликите между тях да настройва модела така, че да съответства на реалността.
След обучение на алгоритъма на експерименталенТези изследователи тестваха работата на невронната мрежа върху данните от два независими експеримента, всеки от които се провежда в отделни вълнови резервоари с различни размери. Тестовете показват, че невронната мрежа дава по-точни прогнози от резултатите, получени с помощта на вълнови уравнения.
Както отбелязват авторите на работата, AI също уловиважно свойство на прекъсващите вълни, известно като "понижаване", при което честотата на вълната се измества към по-ниска стойност. Според изследователите това е много важен фактор, тъй като с намаляване на честотата вълната се ускорява. Невронната мрежа прогнозира промяната в честотата преди и след всяка пробивна вълна, което може да бъде особено важно при подготовката за крайбрежни бури.
„Ако искате да предскажете кога е високовълните ще стигнат до пристанището и ще го напуснат, преди тези вълни да пристигнат, тогава ако сбъркате честотата на вълната, тогава изчислената скорост на приближаване на вълната ще бъде грешна“, добавя Yltink.
Изследователите представиха своя модел във форматасофтуер с отворен код, който е достъпен за всички потребители. Авторите смятат, че може да бъде полезен например при моделиране на климата на способността на океана да абсорбира въглероден диоксид и други атмосферни газове, както и за моделиране на тестване на офшорни платформи и крайбрежни съоръжения.
Прочетете още:
Той е ловуван от векове: какво знаем за планетата Вулкан до Слънцето
Физиците експериментално потвърдиха нов фундаментален закон за течностите
Астрономите са открили планета близо до Земята: тя има много странна орбита