MIT forudsiger præcist fra hvilken højde og med hvilken kraft en bølge vil ramme kysten

Traditionelt, for at forudsige adfærden af ​​en brydende bølge, bruger videnskabsmænd en af ​​to metoder: enten

forsøger at simulere en bølge baseret påinteraktioner mellem individuelle vandmolekyler og luftgasser ved hjælp af bølgeligninger, eller udføre eksperimenter og måle faktiske data. Sådanne tilgange, som bemærket af forskere fra Massachusetts Institute of Technology, er ret komplekse: den første kræver enorme computerressourcer, og den anden kræver et stort antal eksperimenter.

I hans nye værk, offentliggjort i tidsskriftetNature Communications, videnskabsmænd ved MIT brugte både metoder og maskinlæring til effektivt at forudsige adfærden af ​​brydende bølger. Forskerne fandt ud af, at den nye model er bedre til at forudsige, hvordan og hvornår bølger bryder. For eksempel estimerede AI stejlheden af ​​en bølge umiddelbart før brud, såvel som dens energi og frekvens efter brud, mere præcist end konventionelle bølgeligninger.

Forskerne indsamlede data om bølgernes bevægelse undertidspunkt for eksperimenter i en 40 meter tank. I den ene ende af tanken installerede forfatterne af værket en åre, hvis bevægelse førte til udseendet af en bølge i midten af ​​tanken. Sensorer langs hele bassinets længde målte højden af ​​vandet, mens bølgen forplantede sig.

Sådanne eksperimenter tager meget tid.tid. Mellem hvert forsøg skal du vente til vandet er helt roligt, før du starter næste forsøg, ellers påvirker de hinanden.

Debbie Iltink, studiemedforfatter

Billede: MIT

Forskere udførte omkring 250 eksperimenter ogbrugte måledataene til at træne det neurale netværk. Algoritmen har for eksempel lært at sammenligne reelle bølger i eksperimenter med bølger forudsagt i en simpel model, og ud fra forskellene mellem dem tune modellen, så den matcher virkeligheden.

Efter træning af algoritmen på eksperimentelDisse forskere testede ydeevnen af ​​det neurale netværk på data fra to uafhængige eksperimenter, som hver udføres i separate bølgetanke med forskellige størrelser. Test har vist, at det neurale netværk giver mere præcise forudsigelser end resultaterne opnået ved brug af bølgeligninger.

Som forfatterne til værket bemærker, fangede AI ogsåen vigtig egenskab ved at bryde bølger, kendt som "downshift", hvor frekvensen af ​​bølgen forskydes til en lavere værdi. Det er ifølge forskerne en meget vigtig faktor, for i takt med at frekvensen falder, accelererer bølgen. Det neurale netværk forudsiger ændringen i frekvens før og efter hver brydende bølge, hvilket kan være særligt vigtigt, når man forbereder sig på kyststorme.

"Hvis du vil forudsige, hvornår det er højtbølgerne vil nå havnen og forlade den, før disse bølger ankommer, så hvis du får bølgefrekvensen forkert, så vil den beregnede bølgetilgangshastighed være forkert,” tilføjer Yltink.

Forskerne præsenterede deres model i skemaetopen source-software, der er tilgængelig for alle brugere. Forfatterne mener, at det kan være nyttigt for eksempel ved klimamodellering af havets evne til at optage kuldioxid og andre atmosfæriske gasser, samt til modellering af test af offshore platforme og kystanlæg.

Læs mere:

Det er blevet jaget i århundreder: hvad ved vi om planeten Vulcan ved siden af ​​Solen

Fysikere har eksperimentelt bekræftet en ny grundlæggende lov for væsker

Astronomer har fundet en planet nær Jorden: den har en meget mærkelig bane