Skurkebølger er en maritim legende, men når de opstår, kan de forårsage store skader på skibe og olieplatforme. Forskere ved University of Victoria og Københavns Universitet brugte AI til bedre at forudsige dem.
En rogue wave, også kaldet en "monsterbølge", er en havbølge, der er mere end dobbelt så høj som andre bølger omkring den. Gennem søfartshistorien har der været mange røverhistorier om disse bølger, der overrasker skibe.
Det første registrerede bevis på en slyngelstorm blev taget i 1995, da en 26 meter høj bølge ramte den norske olieplatform Draupner. Siden da er seks krydstogtskibe blevet ramt af slyngelbølger.
Alle blev beskadiget, og der blev rapporteret om nogle tilskadekomne, og en passager om bord på Viking Polaris døde, efter at skibet blev ramt i december 2022.
Slyngelbølgernes tilsyneladende tilfældige natur har gjort det svært for forskere at finde en måde at forudsige, hvornår og hvor de kan opstå. Anvendelse af maskinlæring på problemet giver lovende resultater ifølge en ny forskningsartikel.
En AI's svar er ikke nok
Forskerne ønskede at finde de kombinationer af hav- og vejrforhold, der kunne identificeres som årsag til slyngelbølger. De anvendte maskinlæring til den enorme mængde data i Free Ocean Wave Dataset (FOWD).
FOWD er et katalog med over 4 milliarder bølger indsamlet fra bøjer 158 steder i verden sammen med data om vind, havoverfladetemperatur og barometrisk tryk.
Det neurale netværk, som forskerne trænede, kunne derefter forudsige sandsynligheden for, at der ville opstå en bølge baseret på en række hav- og vejrforhold.
Denne form for AI-forudsigelse er i høj grad en sort boks. Den giver dig måske det svar, du er ude efter, men det er ofte ikke nok for forskerne. De vil gerne vide, hvordan den når frem til sine forudsigelser.
Forskere elsker ligninger, så de brugte maskinlæring til at skabe en.
Symbolsk regression
Symbolsk regression er en maskinlæringsteknik, der bruges til at finde en ligning, der passer til et sæt data.
Hvis din sorte AI-boks udsender et 4-tal, hver gang du indtaster et 2-tal, og et 8-tal, når du indtaster et 4-tal, kan symbolsk regression regne ud, at den ligning, der tilnærmelsesvis beskriver, hvad AI'en gør, f.eks. er "output = input x 2".
For at finde ligningen til forudsigelse af slyngelbølger startede forskerne med en population af tilfældigt genererede ligninger.
Ved hjælp af maskinlæring blev ligningerne fodret med de samme bølgedata og optimeret og destilleret, indtil de stod tilbage med en ligning, der gav de samme resultater som AI-forudsigelsesmodellen.
Med denne ligning kunne de se, hvilke aspekter af bølgen og de atmosfæriske forhold, der havde en årsagssammenhæng med forekomsten af slyngelbølger.
Denne forskning vil hjælpe Vejrprofeter give mere præcise forudsigelser af slyngelbølger og gøre den kommercielle skibsfart mere sikker.
