MIT förutspår exakt från vilken höjd och med vilken kraft en våg kommer att träffa stranden

Traditionellt, för att förutsäga beteendet hos en brytande våg, använder forskare en av två metoder: antingen

försöker simulera en våg baserat påinteraktioner mellan enskilda vattenmolekyler och luftgaser med hjälp av vågekvationer, eller genomför experiment och mät faktiska data. Sådana tillvägagångssätt, som noterats av forskare från Massachusetts Institute of Technology, är ganska komplexa: den första kräver enorma datorresurser och den andra kräver ett stort antal experiment.

I sitt nya arbete, publicerat i tidskriftenNature Communications, forskare vid MIT använde både metoder och maskininlärning för att effektivt förutsäga beteendet hos brytande vågor. Forskarna fann att den nya modellen är bättre på att förutsäga hur och när vågorna bryter. Till exempel uppskattade AI en vågs branthet omedelbart innan den bröts, såväl som dess energi och frekvens efter brytning, mer exakt än konventionella vågekvationer.

Forskarna samlade in data om vågornas rörelse undertid för experiment i en 40-meters tank. I ena änden av tanken installerade författarna till arbetet en åra, vars rörelse ledde till uppkomsten av en våg i mitten av tanken. Sensorer längs hela poolen mätte vattnets höjd när vågen fortplantade sig.

Sådana experiment tar mycket tid.tid. Mellan varje experiment måste du vänta tills vattnet är helt lugnt innan du påbörjar nästa experiment, annars kommer de att påverka varandra.

Debbie Iltink, studiemedförfattare

Bild: MIT

Forskare genomförde cirka 250 experiment ochanvände mätdata för att träna det neurala nätverket. Algoritmen har till exempel lärt sig att jämföra verkliga vågor i experiment med vågor som förutspåtts i en enkel modell, och utifrån skillnaderna mellan dem trimma modellen så att den matchar verkligheten.

Efter att ha tränat algoritmen på experimentellDessa forskare testade det neurala nätverkets prestanda på data från två oberoende experiment, som var och en utförs i separata vågtankar med olika storlekar. Tester har visat att det neurala nätverket ger mer exakta förutsägelser än de resultat som erhålls med hjälp av vågekvationer.

Som författarna till arbetet noterar, fångade AI ocksåen viktig egenskap för att bryta vågor, känd som "nedväxling", där vågens frekvens skiftas till ett lägre värde. Enligt forskarna är detta en mycket viktig faktor, för när frekvensen minskar accelererar vågen. Det neurala nätverket förutsäger förändringen i frekvens före och efter varje brytande våg, vilket kan vara särskilt viktigt när man förbereder sig för kuststormar.

"Om du vill förutsäga när högvågorna kommer att nå hamnen och lämna den innan dessa vågor anländer, då om du får vågfrekvensen fel, då blir den beräknade våghastigheten fel”, tillägger Yltink.

Forskarna presenterade sin modell i formenprogramvara med öppen källkod som är tillgänglig för alla användare. Författarna tror att det kan vara användbart till exempel vid klimatmodellering av havets förmåga att absorbera koldioxid och andra atmosfäriska gaser, samt för modellering av testning av havsbaserade plattformar och kustanläggningar.

Läs mer:

Den har jagats i århundraden: vad vet vi om planeten Vulcan bredvid solen

Fysiker har experimentellt bekräftat en ny grundläggande lag för vätskor

Astronomer har hittat en planet nära jorden: den har en mycket konstig bana