MIT spår nøyaktig fra hvilken høyde og med hvilken kraft en bølge vil treffe kysten

Tradisjonelt, for å forutsi oppførselen til en brytende bølge, bruker forskere en av to metoder: enten

prøver å simulere en bølge basert påinteraksjoner mellom individuelle vannmolekyler og luftgasser ved å bruke bølgeligninger, eller utføre eksperimenter og måle faktiske data. Slike tilnærminger, som bemerket av forskere fra Massachusetts Institute of Technology, er ganske komplekse: den første krever enorme dataressurser, og den andre krever et stort antall eksperimenter.

I hans nye verk, publisert i tidsskriftetNature Communications, forskere ved MIT brukte både metoder og maskinlæring for effektivt å forutsi oppførselen til brytende bølger. Forskerne fant at den nye modellen er bedre til å forutsi hvordan og når bølger bryter. For eksempel estimerte AI brattheten til en bølge rett før brudd, samt dens energi og frekvens etter brudd, mer nøyaktig enn konvensjonelle bølgeligninger.

Forskerne samlet inn data om bevegelsen av bølger undertidspunkt for eksperimenter i en 40-meters tank. I den ene enden av tanken installerte forfatterne av verket en åre, hvis bevegelse førte til utseendet til en bølge i midten av tanken. Sensorer langs hele bassengets lengde målte høyden på vannet mens bølgen forplantet seg.

Slike eksperimenter tar mye tid.tid. Mellom hvert forsøk må du vente til vannet er helt rolig før du starter neste forsøk, ellers vil de påvirke hverandre.

Debbie Iltink, studiemedforfatter

Bilde: MIT

Forskere utførte rundt 250 eksperimenter ogbrukte måledataene til å trene det nevrale nettverket. Algoritmen har for eksempel lært å sammenligne reelle bølger i eksperimenter med bølger spådd i en enkel modell, og basert på forskjellene mellom dem justere modellen slik at den stemmer overens med virkeligheten.

Etter trening av algoritmen på eksperimentellDisse forskerne testet ytelsen til det nevrale nettverket på data fra to uavhengige eksperimenter, som hver er utført i separate bølgetanker med forskjellige størrelser. Tester har vist at det nevrale nettverket gir mer nøyaktige spådommer enn resultatene oppnådd ved bruk av bølgeligninger.

Som forfatterne av arbeidet noterer, fanget AI ogsåen viktig egenskap for å bryte bølger, kjent som "downshift", der frekvensen til bølgen forskyves til en lavere verdi. Ifølge forskerne er dette en svært viktig faktor, for ettersom frekvensen avtar, akselererer bølgen. Det nevrale nettverket forutsier endringen i frekvens før og etter hver brytende bølge, noe som kan være spesielt viktig når man forbereder seg på kyststormer.

"Hvis du vil forutsi når høybølgene vil nå havnen og forlate den før disse bølgene kommer, så hvis du får feil bølgefrekvens, vil den beregnede bølgenærmingshastigheten være feil, legger Yltink til.

Forskerne presenterte sin modell i skjemaetåpen kildekode-programvare som er tilgjengelig for alle brukere. Forfatterne mener det kan være nyttig for eksempel ved klimamodellering av havets evne til å absorbere karbondioksid og andre atmosfæriske gasser, samt for modellering av testing av offshoreplattformer og kystanlegg.

Les mer:

Den har blitt jaktet på i århundrer: hva vet vi om planeten Vulcan ved siden av solen

Fysikere har eksperimentelt bekreftet en ny grunnleggende lov for væsker

Astronomer har funnet en planet nær jorden: den har en veldig merkelig bane