Maritim säkerhet får en boost genom prediktiv AI-analys för rogue-vågor

Denna vecka markerar ett stort milstolpe inom havsstudier och maritim säkerhet efter att ett team av ingenjörer publicerade en studie som visar hur AI-neurala nätverk kan hjälpa till att förutsäga och varna för rogue-vågor. Noterbart är att dessa massiva händelser tidigare sågs som oförutsägbara och har lett till stora förluster i århundraden. Här är vad du behöver veta.

Rogue-vågor

Rogue-vågor kallas också för mördare, monster och extrema vågor. Dessa vågor har en höjd som är dubbelt så hög som normala havsförhållanden och kan dyka upp ur tomma intet, vilket sätter dem i dess väg i stor fara. Genom historien har rogue-vågor varit en del av sjöfararnas folklore, som utan tvekan hörde legender om dessa massiva vågor som förde med sig sina medseglare till djupet. Idag utgör dessa vågor fortfarande ett stort hot.
Noterbart är att dessa sällsynta havshändelser liknar tsunamier i storlek och destruktiv kraft. Men till skillnad från deras välförstådda motsvarigheter kan rogue-vågor uppstå utan någon större märkbar händelse, såsom en jordbävning. Därför utgör dessa stora och oförutsägbara vågor stor fara för offshore-infrastruktur, resenärer och annan utrustning.

Hur rogue-vågor bildas

Fram till nyligen fanns det inte tillräckligt med data och beräkningskraft för att skapa pålitliga mekanismer för rogue-vågsbildning. Därför baserades majoriteten av forskningen om bildandet av dessa svårfångade händelser på observationsdata som samlats in efter händelser. Denna information har lett forskare till att identifiera de tre mest framträdande sätten som rogue-vågor bildas på.

Långsam uppbyggnad

Intressant nog kan en rogue-våg börja bildas och byggas upp utan att behöva kombineras med andra vågor. Starka strömmar som Golfströmmen kan resonera och expandera för att skapa en massiv havsanomali. Vetenskapsmän som studerar detta fenomen använder ofta en metod kallad Benjamin-Feir-instabilitet för att förklara den enkla vågtågets expansion. Detta är en av de mest sällsynta formerna av rogue-vågor som forskare har fångat.

Flera vågor

Den mest allmänt förstådda bildningen av rogue-vågor sker på grund av flera våginterferenser som möts vid exakt rätt tidpunkt för att förstärka storleken. När vågor byggs upp och resoneras kan de förstora och intensifiera strömmen och vågens våldsamhet. Man kan tänka på det som en snöbollseffekt där varje våg absorberas i den större rörelsemängden och skapar en massiv vägg redo att förstöra allt i dess väg.

Nuvarande metoder för att bestämma rogue-vågor

Det finns inga pålitliga prognossystem för rogue-vågor globalt, trots att dessa händelser har potential att orsaka miljarder i skador varje år. De vanligaste metoderna för att identifiera dessa händelser bygger på realtidsdata från havet som bara kan förutsägas när händelsen inträffar, vilket meddelar forskare om en ökning i havsnivån. Denna strategi lämnar mycket att önska när det gäller tidig varning och säkerhetsåtgärder.

Studie om rogue-vågor

Studien “Prediction of freak waves from buoy measurements” syftar till att belysa dessa unika havshändelser. Forskarna satte som mål att skapa ett AI-neuralt nätverk som kan förutsäga sannolikheten för att en rogue-våg uppstår baserat på det aktuella havstillståndet. Som en del av detta tillvägagångssätt försökte forskarna fastställa vilka förfaktorer som inträffade innan bildandet av rogue-vågor.
Detta tillvägagångssätt var avsett att demonstrera det funktionella sambandet mellan de föregående vågorna och den slutliga rogue-händelsen med hjälp av fältmätningsinstrument och avancerade neurala nätverk. Viktigare var att teamet ville fånga och dokumentera faserna av synkronisering mellan de enskilda vågorna som krävs för att skapa rogue-vågor.

Testfas

Testningen inleddes med skapandet av ett neuralt nätverk. Teamet beslutade att använda ett long short-term memory-nätverk (LSTM) AI-algoritm. Dessa AI-system skapades för att förenkla det funktionella sambandet mellan indata och utdata. Därför är de idealiska för att skapa datadrivna prognoser för komplexa system.

Oceanbojar

Forskarna samlade in data från 172 bojar placerade utanför USA:s östkust och på Stillahavsäarna med djup som varierade från 20 meter till +4000 m. Två typer av bojar användes i testet: Datawell directional wave rider MkIII med ett samplingsfrekvens på 1,28 Hz och Datawell directional wave rider MkIII med en frekvens på 2,56 Hz. Dessa enheter är vältestade och erbjuder pålitlig data, inklusive accelerometrar som övervakar vertikal förflyttning.

Källa – MATLAB

Dataset

Det neurala nätverket programmerades med ett urval motsvarande 880 år av kontinuerlig data om förhållanden före rogue-vågor. I synnerhet kombinerades 14 miljoner 30‑minuters mätningar av havsytans höjd med 40 000 mätningar av havsytans höjd från samma bojar. Denna data skannades sedan för att kontrollera avvikelser. Datan matades sedan tillbaka in i algoritmen för att bättre träna den att identifiera dessa faktorer.

Relevant för havsförhållanden

Forskarna var angelägna om att göra rogue-vågsproverna få och sällsynta i testfasen för att säkerställa att data var närmare verkliga scenarier. Proverna delades sedan in i icke‑rogue‑vågs- och rogue‑vågs-kategorier som förstärktes. Noterbart är att den initiala datan erhölls via Coastal Data Information Program (CDIP) i samarbete med Scripps Institution of Oceanography.

Skannad för rogue-vågor

Forskarna skannade vågprovsdata med hjälp av University of Maryland:s superdatorresurser. Denna åtkomst gjorde det möjligt för dem att utnyttja ett NVIDIA (NVDA ) A100 GPU i kombination med ett lokalt NVIDIA Quadro P1000 GPU för att förbättra AI-prestanda, träningstider och noggrannhet.

Resultat

Resultaten från denna studie kan få en genomslagseffekt på hur ingenjörer och forskare ser på rogue-vågor framöver. Dessa tidigare nästan omöjliga att bestämma händelser kunde identifieras med 75 % noggrannhet med hjälp av AI-systemen. Specifikt förutsågs 75 % av rogue-vågorna inom 1 minut efter deras uppkomst. Tröskeln sjönk bara till 73 % när varningstiden utökades till 5 minuter.
Totalt förutsade AI:n nära 3 000 rogue-vågor med hög precision. Endast 855 händelser lyckades undgå AI-detektionen, vilket gav systemet en noggrannhet på 23 %. Med tanke på att många forskare ansåg att det var omöjligt att bestämma dessa händelser, öppnade dessa resultat dörren för nya och mer effektiva prognossystem.

Fördelar

Denna studie kan ge många fördelar på marknaden. För det första är det det första pålitliga konceptet för ett rogue-vågsprognossystem. Det tar idén att dessa händelser är för komplexa att förutsäga och introducerar istället en mycket pålitlig och kostnadseffektiv lösning som kan ge värdefull förvarning till fartyg och offshore-plattformar när det behövs.

Använder befintlig bojdata

En annan stor fördel med detta tillvägagångssätt för att bestämma sannolikheten för rogue-vågor är att det inte krävs installation av nya sensorer eller system. Bojar har redan placerats ut och testats i årtionden. Därför erbjuder de en pålitlig och beprövad datakälla med spårbar historik. Denna AI‑förutsägelseuppgradering är mjukvara. Således kan den utnyttja de miljoner timmar av data som dessa enheter tillhandahåller för att förbättra och stärka framtida prestanda.

Universell tillämpning

En av de mest intressanta aspekterna av deras AI‑träning är att modellen kunde tillämpas på platser utanför den ursprungliga bojdatamängden med framgång. Teamet kunde förutsäga med hög sannolikhet risken för rogue‑vågor för två fjärrbojar. De testade sin teori på Boj 132, belägen nära Jacksonville, Florida, och Boj 067 nära San Nicolas Island utanför Los Angeles kust. Resultaten visade att algoritmen kunde tillämpas på andra platser med framgång.

Självförbättrande

En av de största fördelarna med denna typ av AI‑algoritm är att den kontinuerligt kan förbättra sin datamängd, förstärka sin förståelse och förbättra prestanda. Dessa system kommer att förbättras i takt med att datan förfinas. Således erbjuder denna metod ett lågt kostnads- och effektivt sätt att förbättra verksamheter.

Forskare

Thomas Breunung och Balakumar Balachandran var huvudforskarna i studien. De uppnådde sitt mål att demonstrera ett sätt att bestämma rogue‑vågor med hög noggrannhet globalt. Noterbart är att University of Maryland tillhandahöll superdatorresurser och stöd till teamet, som nu strävar efter att förbättra sina resultat genom att introducera mer data i sin modell, inklusive vindhastighet, plats och djup. Alla dessa faktorer kan hjälpa till att förbättra upptäcktstider och till och med ge en metod för att bestämma händelsens höjd.

Företag som kan integrera denna teknik idag

Många företag kan få omedelbara fördelar av denna studie. Det finns för närvarande miljarder i offshore-infrastruktur och fartyg som korsar havet. Dessa företag kommer säkert att investera i någon teknik som kan hjälpa till att förhindra katastrofala förluster och dödsfall.

1. Diamond Offshore Drilling Inc.

Diamond Offshore Drilling Inc. är ett stort olje- och gasborrföretag beläget i Katy, Texas. Företaget gick in på marknaden 1987 som Diamond M Drilling innan det genomgick flera omprofileringar. För närvarande har de 44 offshore borrriggar inklusive 32 halvsubmersibla plattformar och 5 borrfartyg.
Diamond Offshore Drilling Inc. har kontrakt med många av de största olje- och gasbolagen i världen, inklusive Hess Corporation , Petrobras, BP och Occidental Petroleum (OXY ). Dess positionering och efterfrågan på fossila bränslen gör denna aktie till ett starkt “hold“. Noterbart är att den har upplevt vissa nackdelar på grund av ett inflöde av grön energi på marknaden, men analytiker förutspår framtida vinster när konflikter och andra faktorer driver upp gaspriserna.

2. Sable Offshore Corp

SOC Prisdiagram

Sable Offshore Corp (SOC ) är ett annat borrföretag som kan utnyttja ett rogue‑vågsprognossystem för att skydda sin flotta av offshore‑riggar och borrstationer. Företaget grundades 2020 som Flame Acquisition Corp innan det bytte namn till Sable. Sable har offshore‑verksamhet utanför Kaliforniens kust i federala vatten. Det innehar också 76 000 tunnland subsea‑leasing som möjliggör transport av råolja och naturgas.
Företaget har många strategiska partnerskap med branschledare inklusive ExxonMobil (XOM ), Canada Ltd, Imperial Oil (IMO ) Resources Limited och Pengrowth Energy Corporation, för att nämna några. Företagets aktie har lidit på senaste tiden på grund av marknadsfluktuationer. Dock har Kalifornien en växande efterfrågan på dessa tjänster, vilket placerar Sable Offshore Corp som en ledande lokal energileverantör.

Framtiden för rogue‑vågsprognoser

Denna studie belyser den svårfångade världen av rogue‑vågor. Dessa händelser är inte längre sjöfararhistorier utan nu förutsägbara händelser. I framtiden kommer dessa system att integreras i hela den maritima ekonomin för att minska risker och förbättra effektiviteten. Noterbart är att dessa system kommer att bli mycket bättre och mer exakta när de får ytterligare förstärkt data.
Du kan förvänta dig att se denna typ av prognos kombinerad med system som blockchain-nätverk som snart ger realtidsövervakning av enorma datamängder över hela världen. Denna förbättring skulle göra det möjligt för dessa system att registrera och spåra realtidsförekomster över havet på ett oföränderligt sätt. Dessa data kan sedan användas för att förbättra forskarnas förståelse av dessa svårfångade händelser.

Rogue-vågor är ett problem som detektion kan lösa

Det finns ännu inget sätt att stoppa rogue‑vågor från att bildas. Men det första steget för att förhindra stora förluster är att fastställa när och vad som får dessa händelser att inträffa. Dessa ingenjörer har tagit de första stegen och lagt grunden för framtida forskning som kan rädda liv. För närvarande skapar deras insatser “waves” över flera industrier.
Läs om andra coola AI-projekt nu.