پیش بینی موج های سرکش با هوش مصنوعی
در حالی که امواج سرکش در دریاها ظاهراً می توانند از ناکجاآباد بیرون بیایند و کشتی ها و جان ملوانان و مسافران دریا را به خطر بیندازند، با کمک هوش مصنوعی می توان ایجاد آنها را پیش بینی و از آنها دوری کرد.
در حالی که امواج سرکش در دریاها ظاهراً می توانند از ناکجاآباد بیرون بیایند و کشتی ها و جان ملوانان و مسافران دریا را به خطر بیندازند، با کمک هوش مصنوعی می توان ایجاد آنها را پیش بینی و از آنها دوری کرد.
به گزارش تین نیوز به نقل از ایسنا، امواج غیرقابل پیش بینی که هیولاهای دریا هستند، می توانند به کشتی ها و سکوهای دریایی آسیب جدی وارد کنند و جان افرادی را که روی آنها کار می کنند، به خطر بیندازند.
اکنون یک سیستم جدید از دانشگاه مریلند از یک شبکه عصبی برای ارائه هشدارهای اولیه ارزشمند استفاده کرده است.
امواج سرکش به هر موجی گفته می شود که حداقل دو برابر بلندترین امواج اطراف خود باشد. این امواج می توانند برای کسانی که در دریا کار می کنند، وحشتناک باشند. در سال ۱۹۹۵ موجی به ارتفاع ۲۵.۶ متر به یک سکوی گازی در دریای شمالی در سواحل نروژ برخورد کرد و توسط یک ابزار اندازه گیری لیزری تأیید شد.
در سال ۲۰۲۰ نیز یک موج سرکش به اندازه ۱۷.۶ متر توسط مجموعه ای از شناورها در سواحل جزیره ونکوور ثبت شد و در سال ۲۰۲۲ کشتی تفریحی وایکینگ پولاریس توسط یک موج سرکش مورد اصابت قرار گرفت که منجر به قربانی شدن یک مسافر شد.
با وجود اینکه یک مطالعه در سال ۲۰۱۹ نشان داد که امواج سرکش کمتر اتفاق می افتند، اما محققان به این نتیجه رسیدند که آنها در حال شدیدتر شدن هستند. بنابراین سیستم هایی که به پیش بینی آنها کمک کنند، می توانند تا حد زیادی برای محافظت از جان افرادی که در دریا کار می کنند و به دنبال سرپناه هستند، کمک کننده باشند و شرایطی فراهم کنند که آنها بتوانند اقدامات احتیاطی دیگر را قبل از برخورد موج انجام دهند.
سال گذشته پژوهشگران دانشگاه کپنهاگ از یک سیستم هوش مصنوعی برای تجزیه و تحلیل داده های شناورها در ۱۵۸ مکان در سراسر جهان استفاده کردند تا علت پیچیده این امواج غیرقابل پیش بینی هیولایی را دریابند.
این تیم دریافت که آنها توسط فرآیندی به نام «برهم نهی خطی» ایجاد می شوند که در آن دو سیستم موجی یکدیگر را قطع و تقویت می کنند.
دیون هافنر، نویسنده ارشد آن مطالعه در آن زمان، گفت: اگر دو سیستم موجی در دریا به گونه ای به هم برسند که شانس ایجاد موج های بلند و به دنبال آن فرورفتگی های عمیق را افزایش دهد، خطر امواج بسیار بزرگ ایجاد می شود.
اکنون دو پژوهشگر از دانشگاه مریلند مجدداً از هوش مصنوعی برای تجزیه و تحلیل حجم عظیمی از داده ها در تلاش برای به دست آوردن بینش بیشتر در مورد این امواج مخرب استفاده کرده اند. آنها یک شبکه عصبی را بر روی ۱۴ میلیون نمونه ۳۰ ثانیه ای حاصل از ۱۷۲ شناور واقع در سواحل قاره ایالات متحده و جزایر اقیانوس آرام آموزش دادند. هدف این بود که سیستم هوش مصنوعی را آموزش دهند تا بتواند تشخیص دهد کدام امواج، امواج سرکش را تحریک می کنند.
این سامانه جدید در مرحله آزمایشی توانست به درستی موج های سرکش را با نرخ دقت ۷۵ درصدی و به فاصله یک دقیقه و با دقت ۷۳ درصد در فاصله پنج دقیقه قبل از وقوع شناسایی کند.
در حالی که محققان احساس می کنند این نتایج می تواند منجر به سیستم های هشدار اولیه شود که می تواند به کارگران در دریا کمک کند تا از بدترین اثرات امواج سرکش طفره بروند، همچنین محدودیت های این سامانه را تصدیق می کنند.
آنها در مطالعه ای که به تازگی در مجله علمی Scientific Reports منتشر شده است، آورده اند: این واقعیت که از هر چهار موج سرکش، سه موج سرکش پیش بینی می شود، نشان می دهد که از هر چهار موج سرکش، یکی پیش بینی نمی شود و تعداد قابل توجهی هشدار کاذب صادر می شود. این دقت برای یک سامانه عملیاتی باید بیشتر افزایش یابد و برای این منظور، رویکرد مبتنی بر داده را می توان با استفاده از معماری شبکه های عصبی قدرتمندتر تغییر داد.
این تیم علاوه بر افزایش استحکام این سامانه هوش مصنوعی همچنین قصد دارد با افزودن داده های بیشتر به تجزیه و تحلیل سامانه مانند سرعت باد، عمق آب و اطلاعات مکان موج به دقیق تر شدن آن کمک کند.
توماس برونونگ، نویسنده این مطالعه می گوید: در حالی که میزان موفقیت رویکرد ما دلگرم کننده است، شبکه عصبی مورد استفاده به ما اجازه می دهد تا تنها نتیجه گیری محدودی در مورد فیزیک بنیادی رویدادهای موج سرکش بگیریم. ما به عنوان پژوهشگر اکنون بیش از هر زمان دیگری انگیزه داریم تا از رویکردهای مشابه برای به دست آوردن درک عمیق تری از امواج سرکش استفاده کنیم.
بالاکومار بالاچاندران، نویسنده دیگر این مطالعه افزود که شبکه عصبی مورد استفاده در این مطالعه می تواند کاربردهای گسترده تری نیز داشته باشد.
وی افزود: امواج سرکش یکی از انواع رویدادهای شدید هستند که رویکرد مبتنی بر داده ما می تواند برای درک و پیش بینی سایر رویدادهای شدید مرتبط، به عنوان مثال تغییرات آب و هوا و فرآیند احتراق مفید باشد.