工程师使用人工智能来捕捉碎波的复杂性

新模型的预测应有助于研究人员改进海洋气候模拟并完善海上结构的设计。

波浪一旦膨胀到临界高度就会破裂，然后在波峰和碰撞成水滴和气泡的喷雾。这些海浪可以大到冲浪者的破浪点，也可以小到滚到岸边的柔和涟漪。几十年来，波浪如何以及何时破裂的动态过于复杂，无法预测。

现在，麻省理工学院的工程师们找到了一种模拟波浪如何破裂的新方法。该团队使用机器学习和来自波箱实验的数据来调整传统上用于预测波浪行为的方程。工程师通常依靠这些方程来帮助他们设计有弹性的海上平台和结构。但直到现在，这些方程还不能捕捉到破碎波的复杂性。

研究人员发现，更新后的模型更准确地预测了波浪如何以及何时破裂。例如，该模型比传统的波动方程更准确地估计了波浪在破裂前的陡度，以及破裂后的能量和频率。

他们的研究结果今天发表在《 自然通讯》杂志上，将帮助科学家了解破碎波如何影响其周围的水。准确了解这些波浪如何相互作用有助于完善海上结构的设计。它还可以改进对海洋与大气相互作用的预测。更好地估计波浪如何破裂可以帮助科学家预测，例如，海洋可以吸收多少二氧化碳和其他大气气体。

研究作者、机械和海洋工程副教授、麻省理工学院数据、系统和社会研究所的附属机构 Themis Sapsis 说：“波浪是把空气注入海洋的原因。” “这听起来像是一个细节，但如果你将它的影响扩大到整个海洋区域，波浪破碎开始对气候预测变得至关重要。”

该研究的合著者包括主要作者和麻省理工学院博士后 Debbie Eeltink、艾克斯-马赛大学的 Hubert Brager 和 Christopher Luneau、京都大学的 Amin Chabchoub、日内瓦大学的 Jerome Kasparian 和代尔夫特理工大学的 TS van den Bremer。

学习罐

为了预测破波的动力学，科学家们通常采用以下两种方法之一：尝试在单个水和空气分子的尺度上精确模拟波浪，或者进行实验以通过实际测量来表征波浪。第一种方法计算量大，即使在小范围内也难以模拟;第二个需要大量时间来运行足够的实验以产生具有统计意义的结果。

相反，麻省理工学院的团队借鉴了这两种方法的部分内容，以使用机器学习开发更高效、更准确的模型。研究人员从一组方程开始，这些方程被认为是波浪行为的标准描述。他们的目标是通过使用来自实际实验的破波数据“训练”模型来改进模型。

“我们有一个简单的模型，它不能捕捉破波，然后我们就有了真相，这意味着涉及破波的实验，”Eeltink 解释说。“然后我们想使用机器学习来了解两者之间的区别。”

研究人员通过在一个 40 米长的水箱中进行实验，获得了破波数据。坦克的一端装有一个桨，团队用来启动每一波。团队设置桨在水箱中间产生破波。当波浪沿着水箱向下传播时，沿着水箱长度的仪表测量水的高度。

“运行这些实验需要很长时间，”Eeltink 说。“在每次实验之间，你必须等待水完全平静下来，然后再进行下一次实验，否则它们会相互影响。”

避风港

该团队总共进行了大约 250 次实验，他们使用这些数据来训练一种称为神经网络的机器学习算法。具体来说，该算法被训练以将实验中的真实波与简单模型中的预测波进行比较，并根据两者之间的任何差异，调整模型以适应现实。

在根据他们的实验数据训练算法后，该团队将模型引入了全新的数据——在这种情况下，来自两个独立实验的测量值，每个实验在不同尺寸的独立波浪池中运行。在这些测试中，他们发现更新后的模型比简单、未经训练的模型做出了更准确的预测，例如更好地估计了破浪的陡度。

新模型还捕获了被称为“降档”的碎波的基本特性，其中波的频率被转移到较低的值。波的速度取决于它的频率。对于海浪，低频比高频移动得更快。因此，在降档之后，波浪会移动得更快。新模型预测了每次破浪前后的频率变化，这可能与准备沿海风暴特别相关。

“当你想预测巨浪什么时候到达港口，并且你想在这些波浪到达之前离开港口，那么如果你弄错了波浪频率，那么波浪接近的速度就是错误的， ”埃尔廷克说。

该团队更新的波浪模型采用开源代码的形式，其他人可能会使用它，例如在海洋吸收二氧化碳和其他大气气体的潜力的气候模拟中。该代码还可以用于海上平台和沿海结构的模拟测试。

“这个模型的首要目的是预测波浪会做什么，”萨普西斯说。“如果你不能正确地模拟破波，它会对结构的行为产生巨大的影响。有了这个，您可以模拟波浪，以帮助更好、更有效地设计结构，并且没有巨大的安全系数。”