يکشنبه ۲۵ آذر ۱۴۰۳ - 2024 December 15 - ۱۲ جمادی الثانی ۱۴۴۶
۳۰ تير ۱۴۰۳ - ۱۶:۴۷

پیش‌بینی موج‌های سرکش با هوش مصنوعی

در حالی که امواج سرکش در دریاها ظاهراً می‌توانند از ناکجاآباد بیرون بیایند و کشتی‌ها و جان ملوانان و مسافران دریا را به خطر بیندازند، با کمک هوش مصنوعی می‌توان ایجاد آنها را پیش‌بینی و از آنها دوری کرد.
پیش‌بینی موج‌های سرکش با هوش مصنوعی
کد خبر: ۷۲۰۷۲۸

به گزارش ایران اکونومیست، امواج غیرقابل پیش‌بینی که هیولاهای دریا هستند، می‌توانند به کشتی‌ها و سکوهای دریایی آسیب جدی وارد کنند و جان افرادی را که روی آنها کار می‌کنند، 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 می‌شود که حداقل دو برابر بلندترین امواج اطراف خود باشد. این امواج می‌توانند برای کسانی که در دریا کار می‌کنند، 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 اندازه‌گیری لیزری تأیید شد.

در سال ۲۰۲۰ نیز یک موج سرکش به اندازه ۱۷.۶ متر توسط مجموعه‌ای 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 می‌افتند، اما محققان به این نتیجه رسیدند که آنها در حال شدیدتر شدن هستند. بنابراین سیستم‌هایی که به پیش‌بینی آنها کمک کنند، می‌توانند تا حد زیادی برای محافظت از جان افرادی که در دریا کار می‌کنند 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 داده‌های شناورها در ۱۵۸ مکان در سراسر جهان استفاده کردند تا علت پیچیده این امواج غیرقابل پیش‌بینی هیولایی را دریابند.

این تیم دریافت که آنها توسط فرآیندی به نام «برهم‌نهی خطی» ایجاد می‌شوند که در آن دو سیستم موجی یکدیگر را قطع و تقویت می‌کنند.

دیون هافنر، نویسنده ارشد آن مطالعه در آن زمان، گفت: اگر دو سیستم موجی در دریا به گونه‌ای به هم برسند که شانس ایجاد موج‌های بلند و به دنبال آن فرورفتگی‌های عمیق را افزایش دهد، خطر امواج بسیار بزرگ ایجاد می‌شود.

اکنون دو پژوهشگر از دانشگاه مریلند مجدداً از هوش مصنوعی برای تجزیه و تحلیل حجم عظیمی از داده‌ها در تلاش برای به دست آوردن بینش بیشتر در مورد این امواج مخرب استفاده کرده‌اند. آنها یک شبکه عصبی را بر روی ۱۴ میلیون نمونه ۳۰ ثانیه‌ای 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 می‌کنند.

این سامانه جدید در مرحله آزمایشی توانست به درستی موج‌های 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 می‌کنند این نتایج می‌تواند منجر به سیستم‌های هشدار اولیه شود که می‌تواند به کارگران در دریا کمک کند تا از بدترین اثرات امواج سرکش طفره بروند، همچنین محدودیت‌های این سامانه را تصدیق می‌کنند.

آنها در مطالعه‌ای که به تازگی در مجله علمی Scientific Reports منتشر شده است، آورده‌اند: این واقعیت که از هر چهار موج سرکش، سه موج سرکش پیش‌بینی می‌شود، نشان می‌دهد که از هر چهار موج سرکش، یکی پیش‌بینی نمی‌شود و تعداد قابل توجهی هشدار کاذب صادر می‌شود. این دقت برای یک سامانه عملیاتی باید بیشتر افزایش یابد و برای این منظور، رویکرد مبتنی بر داده را می‌توان با استفاده از معماری شبکه‌های عصبی قدرتمندتر تغییر داد.

این تیم علاوه بر افزایش استحکام این سامانه هوش مصنوعی همچنین قصد دارد با افزودن داده‌های بیشتر به تجزیه و تحلیل سامانه مانند سرعت باد، عمق آب و اطلاعات مکان موج به دقیق‌تر شدن آن کمک کند.

توماس برونونگ، نویسنده این مطالعه می‌گوید: در حالی که میزان موفقیت رویکرد ما دلگرم‌کننده است، شبکه عصبی مورد استفاده به ما اجازه می‌دهد تا تنها نتیجه‌گیری 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 عمیق‌تری از امواج سرکش استفاده کنیم.

بالاکومار بالاچاندران، نویسنده دیگر این مطالعه افزود که شبکه عصبی مورد استفاده در این مطالعه می‌تواند کاربردهای گسترده‌تری نیز داشته باشد.

وی افزود: امواج سرکش یکی از انواع رویدادهای شدید هستند که رویکرد مبتنی بر داده ما می‌تواند برای درک و پیش‌بینی سایر رویدادهای شدید مرتبط، به عنوان مثال تغییرات آب و هوا و فرآیند احتراق مفید باشد.

 

آخرین اخبار