Ny viden om monsterbølger kan øge sikkerheden til søs
Tirsdag 21. november 2023 kl: 10:00
Af: Redaktionen
Kæmpebølge ved Nazare, Portugal der skyller ind over klippen og fyrtårnet efter stor atlantisk storm. (Foto: Getty)
Monsterbølger eller ekstrembølger kan sænke skibe og beskadige boreplatforme og blev i hundreder af år anset for at være en sømandsmyte. Men nu har forskere fra Københavns Universitet og University of Victoria ved hjælp af 700 års bølgedata og kunstig intelligens fundet formlen på, hvordan man kan forudsige dem. Den nye viden kan gøre skibstrafikken mere sikker.
Historier om monsterbølger eller ekstrembølger, som de også kaldes, er i århundreder blevet betragtet som mytiske vandrehistorier fortalt af søfolk. Men i 1995 ramte en 26 meter høj bølge den norske olieplatform Draupner, hvor man for første gang målte en monsterbølge med digitale instrumenter og fik beviset for, at de abnorm store havbølger virkelig findes.
Siden da har bølgerne været genstand for en hel del undersøgelser. Nu er det lykkedes forskere fra Niels Bohr Institutet på Københavns Universitet at opsætte en matematisk model, der giver opskriften på, hvordan - og ikke mindst hvornår de meget store havbølger kan opstå.
Ved hjælp af kunstig intelligens og store mængder big data om havets bevægelser kan forskerne forudsige, hvor stor sandsynligheden er for at blive ramt af en monsterbølge på havet på et givent tidspunkt.
- I bund og grund er det sort uheld, når en af de her meget store bølger rammer. For det er en kombination af mange faktorer, som det indtil nu ikke har været muligt at samle i et enkelt risikoestimat. I studiet har vi kortlagt de årsager, der skaber en monsterbølge og samlet dem i en model, som med kunstig intelligens kan udregne sandsynligheden for, at det faktisk sker, siger Dion Häfner, der er tidligere ph.d.-studerende på Niels Bohr Institutet og førsteforfatter på det videnskabelige studie, som netop er udgivet i det anerkendte tidsskrift Proceedings of the National Academy of Sciences (PNAS).
Abnorme bølger opstår hver dag
I modellen har forskerne eksempelvis kombineret tilgængelige data om havets bevægelser samt om havbundens udformning. Mest centralt er bølgedata fra i alt 150 bøjer, som året rundt 24 timer i døgnet indsamler bølgedata ud for den amerikanske kyst. Data, som samlet set rummer 700 års historik om en milliard bølgers højde og bevægelser.
De mange data har forskerne analyseret for at forstå, hvad der forårsager monsterbølger, der er defineret ved at være mindst dobbelt så store som gennemsnittet af bølger i området - herunder de helt store monsterbølger, der kan være over 20 meter høje. Den har de med "machine learning" omsat til en algoritme, som de har anvendt på deres datasæt.
- Vores udregninger viser, at abnorme bølger opstår hele tiden. Faktisk har vi registreret 100.000 bølger i vores datasæt, som kan defineres som monsterbølger. Det svarer til, at der opstår mellem 0,1 og 1 monsterbølge hver dag på enhver tilfældig placering på havet. Disse bølger er dog ikke allesammen monsterbølger af den helt ekstreme størrelse, siger Johannes Gemmrich fra University of Victoria og studiets andenforfatter.
Fænomen kendt siden 1700-tallet
Det nye studie bryder også med den gængse opfattelse af, hvad hovedårsagen er til, at monsterbølger opstår. Indtil nu har man troet, at en bølge, der stjæler energi fra en anden bølge og kortvarigt danner én stor bølge, var den mest almindelige årsag.
Men i studiet slår forskerne fast, at den mest dominerende faktor, når kæmpebølger dannes, er det, der kaldes ”lineær superposition”. Et fænomen, der har været kendt siden 1700-tallet, og som opstår, når to bølgesystemer krydser ind over hinanden og forstærker hinanden i kortere tid efter.
- Hvis to af disse bølgesystemer krydser hinanden på havet, øges sandsynligheden for, at der dannes høje bølgetoppe fulgt af dybe bølgedale og så er der risiko for, at ekstremt store bølger opstår. Det er viden, der har været kendt i 400 år, som vi nu bakker op med data, siger Dion Häfner.
Mere sikker skibstrafik
Forskernes algoritme er godt nyt for eksempelvis rederier verden over, som på alle tider af døgnet har omkring 50.000 fragtskibe sejlende rundt på havet. Ved hjælp af algoritmen vil man fremover være i stand til at forudsige, hvornår den ”perfekte” kombination af faktorer er til stede for at skabe en monsterbølge, som kan udgøre en fare for de mennesker, der opholder sig på havet.
- Når shippingfirmaerne sidder og planlægger deres sejlruter dage i forvejen, kan de ved hjælp af vores algoritme få en risikovurdering af, om der på den rute, de har planlagt, er fare for støde ind i monsterbølger. På den baggrund kan de vælge alternative ruter, siger Dion Häfner.
Algoritmen og forskningen er offentlig tilgængelig, og det samme er de vejr- og bølgedata, som forskerne har brugt. Derfor kan interesserede såsom myndigheder og vejrtjenester ifølge Dion Häfner ret nemt begynde at udregne sandsynligheden for monsterbølger. Samtidig er alle mellemregninger i forskernes algoritme gennemsigtige modsat mange andre modeller lavet med kunstig intelligens.
- AI og maskinlæring er typisk sorte bokse, som ikke øger den menneskelige forståelse. Men i dette studie har Dion Häfner brugt AI-metoder til at transformere en enorm database af bølgeobservationer til en ny ligning for sandsynligheden for slyngelbølger, som let kan forstås af mennesker og relateres til fysikkens love, siger professor, medforfatter og vejleder på studiet, Markus Jochum.
Dion Häfner’s forskning fortsætter hos Pasteur Labs.
Lidt om undersøgelsen:
I undersøgelsen blev forskerne hjulpet af en kunstig intelligens. Den kunstige intelligens kaldes en symbolsk regressionsalgoritme. Den adskiller sig fra AI-typen kaldet neurale netværk ved at give brugeren større indsigt i et bestemt problem frem for blot at forudsige, hvornår problemet opstår.
Ved at undersøge 100.000 datapunkter om bølger har forskernes algoritme analyseret sin egen vej til at finde årsagerne til monsterbølger og har dermed selv lavet en ligning, der giver opskriften på en monsterbølge. Forskernes metode kombinerer fremskridt inden for kausal analyse, fortolkende maskinlæring og symbolsk regression for at lære årsagssammenhængen af problemet og for at kommunikere denne kausalitet til mennesker i form af en ligning, som man kan analysere og inkorporere i forskning.
- I løbet af årtier indsamlede Tycho Brahe astronomiske observationer, hvorfra Kepler med masser af forsøg og fejl var i stand til at udtrække Keplers love. Dion Häfner brugte maskiner til at gøre med bølger, hvad Kepler gjorde med planeter, siger professor, medforfatter og vejleder på studiet, Markus Jochum.
.jpg)
© Copyright 2024 transportnyhederne.dk. Denne artikel er beskyttet af lov om ophavsret og må ikke kopieres eller på anden måde videreudnyttes uden særlig aftale.
Print siden - Havneselskab fra Fredericia kan blive medejer af havn i Thy
- Havnen i Aarhus bliver til et aktieselskab
- Tidligere havnedirektør bliver ny direktør for fragtmænd
- En del af havnen i Esbjerg bliver militært område i fire dage
- Fragtmængder og passagertal steg hos rederikoncern
- Dansk skibsfart står fortsat for en stor andel af den samlede danske eksport
- Limfjordshavn får militært område - midlertidigt
- Dansk-svensk havneselskab får støtte til CO2-infrastruktur
- Træsprit havner på Djurslands største havn
- En menneskelig fejl var årsag til sammenstød mellem hurtigfærge og havnekaj i Rønne
- Skibsfarten er et globalt erhverv, som bør klimareguleres på internationalt plan
- Klimaråd udforsker konsekvenser og valg for Danmarks næste klimamål
Skriv din kommentar:
| Alle felter skal udfyldes! |
||
Bemærk: For at undgå misbrug bliver din IP adresse logget! |