Rogue waves zijn legendarisch op zee, maar als ze gebeuren kunnen ze veel schade aanrichten aan schepen en booreilanden. Wetenschappers van de Universiteit van Victoria en de Universiteit van Kopenhagen hebben AI gebruikt om ze beter te voorspellen.
Een reuzengolf, ook wel "monstergolf" genoemd, is een oceaangolf die meer dan twee keer zo hoog is als andere golven eromheen. In de loop van de maritieme geschiedenis zijn er veel sterke verhalen geweest over deze golven die schepen verrasten.
Het eerste geregistreerde bewijs van een rogue wave werd vastgelegd in 1995 toen een golf van 26 meter op het Noorse olieplatform Draupner inbeukte. Sindsdien zijn zes cruiseschepen getroffen door rogue waves.
Alle schepen liepen schade op, met enkele gerapporteerde verwondingen, en een passagier aan boord van de Viking Polaris overleed nadat het schip in december 2022 werd geraakt.
De schijnbaar willekeurige aard van rogue waves heeft het voor wetenschappers moeilijk gemaakt om een manier te vinden om te voorspellen wanneer en waar ze zouden kunnen optreden. Het toepassen van machinaal leren op het probleem levert veelbelovende resultaten op volgens een nieuwe onderzoeksdocument.
Het antwoord van een AI is niet genoeg
De onderzoekers wilden de combinaties van oceaan- en meteorologische omstandigheden vinden die konden worden geïdentificeerd als de oorzaak van rogue waves. Ze pasten machinaal leren de enorme hoeveelheid gegevens in de Free Ocean Wave Dataset (FOWD).
De FOWD is een catalogus van meer dan 4 miljard golven, verzameld door boeien op 158 locaties over de hele wereld, samen met gegevens over wind, temperatuur van het zeeoppervlak en barometerdruk.
Het neurale netwerk dat de onderzoekers trainden, kon vervolgens de waarschijnlijkheid van een rogue wave voorspellen op basis van een set oceaan- en weersomstandigheden.
Dit soort AI-voorspellers is een black box. Het geeft je misschien het antwoord dat je zoekt, maar dat is vaak niet genoeg voor wetenschappers. Ze willen weten hoe de voorspellingen tot stand komen.
Wetenschappers houden van vergelijkingen, dus gebruikten ze machine learning om er een te maken.
Symbolische regressie
Symbolische regressie is een machine-learningtechniek die wordt gebruikt om een vergelijking te vinden die past bij een set gegevens.
Als je AI zwarte doos een 4 uitvoert elke keer dat je een 2 invoert, en een 8 als je een 4 invoert, dan kan symbolische regressie uitwerken dat de vergelijking die benadert wat de AI doet bijvoorbeeld "uitvoer = invoer x 2" is.
Om de voorspellingsvergelijking voor de rogue wave te vinden, begonnen de wetenschappers met een populatie willekeurig gegenereerde vergelijkingen.
Met behulp van machinaal leren werden de vergelijkingen gevoed met dezelfde golfgegevens en geoptimaliseerd en gedestilleerd totdat er een vergelijking overbleef die dezelfde uitkomsten gaf als het AI-voorspellingsmodel.
Met deze vergelijking konden ze zien welke aspecten van de golfslag en de atmosferische omstandigheden een oorzakelijk verband hadden met het optreden van rogue waves.
Dit onderzoek zal helpen weervoorspellers nauwkeurigere voorspellingen doen over rogue waves en de commerciële scheepvaart veiliger maken.
