Maritieme Veiligheid Klaar voor een Boost door Predictieve AI-analyse voor Rogue Waves

Deze week markeert een belangrijke mijlpaal in oceaanstudies en maritieme veiligheid nadat een team van ingenieurs een studie publiceerde waarin werd aangetoond hoe AI-neuraalnetwerken kunnen helpen bij het voorspellen en waarschuwen voor rogue waves. Opmerkelijk is dat deze enorme gebeurtenissen ooit als onvoorspelbaar werden beschouwd en eeuwenlang tot grote verliezen leidden. Dit is wat u moet weten.

Rogue-waves

Rogue-waves staan onder vele namen, waaronder killer, monster en extreme golven. Deze golven hebben een hoogte die het dubbele is van de normale oceaancondities en kunnen uit het niets verschijnen, waardoor iedereen die erdoor wordt getroffen in groot gevaar komt. Door de geschiedenis heen waren rogue-waves onderdeel van de folklore van zeereizigers, die ongetwijfeld legendes hoorden over deze enorme golven die hun medemannen naar de diepte sleurden. Tegenwoordig vormen deze golven nog steeds een grote bedreiging.
Opmerkelijk is dat deze zeldzame oceaanevenementen qua omvang en vernietigende kracht vergelijkbaar zijn met tsunami’s. In tegenstelling tot hun goed begrepen tegenhangers kunnen rogue-waves echter verschijnen zonder een duidelijk voorval, zoals een aardbeving. Hierdoor vormen deze grote en onvoorspelbare golven een groot gevaar voor offshore‑infrastructuur, reizigers en andere apparatuur.

Hoe rogue-waves ontstaan

Tot voor kort waren er niet genoeg gegevens en rekenkracht om betrouwbare mechanismen voor de vorming van rogue-waves te creëren. Daardoor was het merendeel van de wetenschap over de vorming van deze ongrijpbare gebeurtenissen gebaseerd op observatiegegevens die na incidenten werden verzameld. Deze informatie heeft onderzoekers ertoe gebracht de drie meest prominente manieren te bepalen waarop rogue-waves ontstaan.

Langzame opbouw

Interessant genoeg kan een rogue-wave beginnen te ontstaan en zich opbouwen zonder dat er andere golven nodig zijn. Sterke stromingen zoals de Golfstroom kunnen resoneren en uitzetten om een enorme zee‑anomalie te creëren. Wetenschappers die dit fenomeen bestuderen gebruiken vaak een methode genaamd Benjamin-Feir‑instabiliteit om de expansie van een enkele golftrain te verklaren. Dit is een van de zeldzaamste vormen van rogue-waves die door onderzoekers zijn vastgelegd.

Meerdere golven

De meest algemeen begrepen vorm van rogue-wavevorming ontstaat door interferentie van meerdere golven die op het perfecte moment samenkomen om de magnitude te versterken. Wanneer golven zich opstapelen en resoneren, kunnen ze de stroom en de woestheid van de golf vergroten en intensiveren. U kunt dit zien als een sneeuwbal‑effect, waarbij elke golf wordt opgenomen in de grotere impuls, waardoor een massieve muur ontstaat die alles in zijn pad kan vernietigen.

Huidige methoden voor het bepalen van rogue-waves

Er bestaan wereldwijd geen betrouwbare voorspellingssystemen voor rogue-waves, hoewel deze gebeurtenissen jaarlijks voor miljarden aan schade kunnen zorgen. De meest gebruikte methoden om deze gebeurtenissen te bepalen, vertrouwen op realtime oceaandata die alleen kunnen worden voorspeld terwijl het evenement zich voordoet, waardoor wetenschappers op de hoogte worden gebracht van de stijging van het zeeniveau. Deze strategie laat veel te wensen over op het gebied van vroege waarschuwing en veiligheidsmaatregelen.

Rogue-waves studie

De “Prediction of freak waves from buoy measurements“-studie probeert licht te werpen op deze unieke oceaanevenementen. De onderzoekers wilden een AI-neuraalnetwerk ontwikkelen dat de kans op een rogue-wave kan voorspellen op basis van de huidige oceaansituatie. Als onderdeel van deze aanpak probeerden de onderzoekers te bepalen welke pre‑factoren zich voordeden vóór de vorming van rogue-waves.
Deze aanpak was bedoeld om de functionele relatie tussen de voorafgaande golven en het uiteindelijke rogue‑event aan te tonen met behulp van veldmeetapparatuur en geavanceerde neurale netwerken. Belangrijker nog, het team wilde de fasen van synchronisatie tussen de individuele golven vastleggen en documenteren die nodig zijn om rogue-waves te creëren.

Testfase

De test begon met het creëren van een neuraal netwerk. Het team besloot een long short-term memory (LSTM) AI‑algoritme te gebruiken. Deze AI‑systemen werden ontwikkeld om de functionele relatie tussen invoergegevens en uitvoergegevens te stroomlijnen. Daardoor zijn ze ideaal voor het maken van datagedreven voorspellingen van complexe systemen.

Oceanische boeien

De onderzoekers verzamelden gegevens van 172 boeien langs de oostkust van de VS en de Pacifische eilanden, met dieptes variërend van 20 meter tot +4000 m. Twee soorten boeien werden in de test gebruikt: de Datawell Directional Wave Rider MkIII met een bemonsteringsfrequentie van 1,28 Hz en de Datawell Directional Wave Rider MkIII met een frequentie van 2,56 Hz. Deze eenheden zijn grondig getest en leveren betrouwbare data, inclusief versnellers die verticale verplaatsing monitoren.

Bron – MATLAB

Dataset

Het neuraal netwerk werd geprogrammeerd met een steekproefgrootte gelijk aan 880 jaar aan opeenvolgende gegevens over pre‑rogue‑wave‑condities. In het bijzonder werden 14 miljoen zeewaterhoogtemetingen van 30 minuten gecombineerd met 40 000 zeewaterhoogtemetingen van dezelfde boeien. Deze gegevens werden vervolgens gescand op afwijkingen. De gegevens werden daarna teruggevoerd in het algoritme om het beter te trainen in het herkennen van deze factoren.

Relevant voor oceaancondities

De onderzoekers wilden de rogue‑wave‑monsters zo schaars mogelijk maken in de testfase om ervoor te zorgen dat de gegevens dichter bij realistische scenario’s lagen. De monsters werden vervolgens opgesplitst in de categorieën niet‑rogue‑wave en rogue‑wave, die werden versterkt. Opmerkelijk is dat de initiële gegevens werden verkregen via het Coastal Data Information Program (CDIP) in samenwerking met de Scripps Institution of Oceanography.

Gescreend op rogue-waves

De onderzoekers scanden de golfmonstergegevens met behulp van de supercomputing‑middelen van de University of Maryland. Deze toegang stelde hen in staat een NVIDIA (NVDA ) A100‑GPU te combineren met een lokale NVIDIA Quadro P1000‑GPU om hun AI‑prestaties, trainingstijden en nauwkeurigheid te verbeteren.

Resultaten

De resultaten van deze studie kunnen een doorslaggevend effect hebben op de manier waarop ingenieurs en onderzoekers rogue-waves in de toekomst zien. Deze ooit bijna onbepaalbare gebeurtenissen konden met 75 % nauwkeurigheid worden geïdentificeerd met behulp van de AI‑systemen. Concreet werden 75 % van de rogue-waves voorspeld binnen 1 minuut na hun verschijning. Het percentage daalde slechts tot 73 % wanneer de waarschuwingstijd werd verlengd tot 5 minuten.
In totaal voorspelde de AI bijna 3 000 rogue-waves nauwkeurig. Slechts 855 gebeurtenissen glipten langs de AI‑detectie, waardoor het systeem een nauwkeurigheid van 23 % behaalde. Aangezien veel onderzoekers dachten dat het onmogelijk was deze gebeurtenissen te bepalen, openden deze resultaten de deur naar nieuwe en effectievere voorspellingssystemen.

Voordelen

Deze studie kan veel voordelen voor de markt opleveren. Ten eerste is het het eerste betrouwbare concept voor een rogue‑wave‑voorspellingssysteem. Het neemt het idee dat deze gebeurtenissen te complex zijn om te voorspellen en introduceert in plaats daarvan een zeer betrouwbaar en kosteneffectief oplossing die, wanneer nodig, waardevolle vroegtijdige waarschuwingen kan bieden aan schepen en offshore‑platforms.

Gebruikt huidige boeidata

Een ander groot voordeel van deze benadering om de waarschijnlijkheid van rogue-waves te bepalen, is dat er geen nieuwe sensoren of systemen geïnstalleerd hoeven te worden. Boeien zijn al tientallen jaren ingezet en getest. Daardoor bieden ze een betrouwbare en bewezen gegevensbron met een traceerbare geschiedenis. Deze AI‑voorspellingsupgrade is software. Hierdoor kan ze profiteren van de miljoenen uren aan gegevens die door deze apparaten worden geleverd om de toekomstige prestaties te verbeteren en te versterken.

Universele toepassing

Een van de meest interessante aspecten van hun AI‑training is dat het model met succes kon worden toegepast op locaties buiten de oorspronkelijke boeidataset. Het team kon met hoge waarschijnlijkheid het rogue‑wave‑risico voorspellen voor twee externe boeien. Ze testten hun theorie op Boei 132, gelegen bij Jacksonville, Florida, en Boei 067 bij San Nicolas Island voor de kust van Los Angeles. De resultaten toonden aan dat het algoritme met succes op andere locaties kon worden toegepast.

Zelfverbeterend

Een van de grootste voordelen van dit type AI‑algoritme is dat het continu zijn dataset kan verbeteren, waardoor het begrip wordt versterkt en de prestaties verbeteren. Deze systemen zullen verbeteren naarmate de gegevens worden verfijnd. Hierdoor biedt deze methode een goedkope en efficiënte manier om operaties te verbeteren.

Onderzoekers

Thomas Breunung en Balakumar Balachandran waren de hoofdonderzoekers van de studie. Ze bereikten hun doel om wereldwijd een manier te demonstreren om rogue-waves met hoge nauwkeurigheid te bepalen. Opmerkelijk is dat de University of Maryland supercomputing‑middelen en ondersteuning aan het team heeft geleverd, dat nu zijn resultaten wil verbeteren door meer gegevens aan het model toe te voegen, waaronder windsnelheid, locatie en diepte. Al deze factoren kunnen helpen de detectietijden te verbeteren en zelfs een manier bieden om de hoogte van het evenement te bepalen.

Bedrijven die deze technologie vandaag kunnen integreren

Veel bedrijven kunnen direct profiteren van deze studie. Er zijn momenteel miljarden aan offshore‑infrastructuur en scheepvaartvloten die de oceaan doorkruisen. Deze bedrijven zullen zeker investeren in elke technologie die kan helpen catastrofale verliezen en sterfgevallen te voorkomen.

1. Diamond Offshore Drilling Inc.

Diamond Offshore Drilling Inc. is een groot olie‑ en gasboorbedrijf gevestigd in Katy, Texas. Het bedrijf betrad de markt in 1987 als Diamond M Drilling en onderging daarna meerdere rebrandings. Momenteel beschikken ze over 44 offshore boorinstallaties, waaronder 32 semi‑onderzeeërs en 5 boorschepen.
Diamond Offshore Drilling Inc. heeft contracten met veel van de grootste olie‑ en gasbedrijven ter wereld, waaronder Hess Corporation , Petrobras, BP en Occidental Petroleum (OXY ). Door hun positie en de vraag naar fossiele brandstoffen is dit aandeel een sterke “hold“. Opmerkelijk is dat het bedrijf enkele nadelen heeft ondervonden door een toestroom van groene energieën op de markt, maar analisten voorspellen toekomstige winsten nu conflicten en andere factoren de gasprijzen doen stijgen.

2. Sable Offshore Corp

SOC Prijsgrafiek

Sable Offshore Corp (SOC ) is een ander boorbedrijf dat een rogue‑wave‑voorspellingssysteem zou kunnen benutten om zijn vloot van offshore‑installaties en boorstations te beschermen. Het bedrijf werd in 2020 opgericht als Flame Acquisition Corp voordat het zijn naam veranderde in Sable. Sable heeft offshore‑activiteiten voor de kust van Californië in federale wateren. Het bezit ook 76.000 acre aan onderzeese concessies die het mogelijk maken ruwe olie en aardgas te transporteren.
Het bedrijf heeft tal van strategische partnerschappen met industriële leiders, waaronder ExxonMobil (XOM ), Canada Ltd, Imperial Oil (IMO ) Resources Limited en Pengrowth Energy Corporation, om er maar een paar te noemen. Het aandeel van het bedrijf heeft recent geleden onder marktfluctuaties. Echter, Californië heeft een groeiende vraag naar deze diensten, waardoor Sable Offshore Corp zich positioneert als een toonaangevende lokale energieleverancier.

Toekomst van rogue‑wave‑voorspelling

Deze studie werpt licht op de ongrijpbare wereld van rogue-waves. Deze gebeurtenissen zijn niet langer zeemansverhalen, maar nu voorspelbare gebeurtenissen. In de toekomst zullen deze systemen worden geïntegreerd in de maritieme economie om risico’s te beperken en de efficiëntie te verbeteren. Opmerkelijk is dat deze systemen veel beter en nauwkeuriger zullen worden naarmate ze extra versterkte gegevens verkrijgen.
U kunt verwachten dat deze vorm van voorspelling binnenkort wordt gekoppeld aan systemen zoals blockchain‑netwerken die realtime monitoring van enorme hoeveelheden data wereldwijd bieden. Deze verbetering zou deze systemen in staat stellen realtime gebeurtenissen over de oceaan vast te leggen en te volgen op een onveranderlijke manier. Deze gegevens kunnen vervolgens worden gebruikt om het begrip van wetenschappers over deze ongrijpbare gebeurtenissen te verbeteren.

Rogue-waves zijn een probleem dat detectie kan oplossen

Er is nog geen manier om rogue-waves te voorkomen. De eerste stap om grote verliezen te voorkomen is echter te bepalen wanneer en wat deze gebeurtenissen veroorzaakt. Deze ingenieurs hebben de eerste stappen gezet en de basis gelegd voor toekomstig onderzoek dat levens kan redden. Voor nu zorgen hun inspanningen voor “golven” in meerdere sectoren.
Leer nu meer over andere coole AI‑projecten nu.