哥本哈根大學和維多利亞大學的研究人員利用七個世紀的海洋波浪數據，涵蓋超過十億次波浪觀測，採用先進的人工智慧技術，找到了預測這些海洋怪物發生的公式。長期以來，人們一直認為這只是神話，但異常巨大的狂暴波浪卻是真實存在的，它可以分裂船隻，甚至損壞石油鑽井平台。

透過分析超過十億個海浪的七個世紀的數據，哥本哈根大學和維多利亞大學的研究人員利用人工智慧為這些強大的海洋巨人設計了一個預測公式。新知識可以使運輸更加安全。

關於怪物海浪（稱為“狂浪”）的故事幾個世紀以來一直是水手們的傳說。但1995 年，當26 公尺高的巨浪襲擊挪威Draupner 石油平台時，數位儀器就在那裡捕捉並測量了這個北海怪物。這是第一次對流氓進行測量並提供科學證據證明異常海浪確實存在。

從那時起，這些極端波浪就成為了許多研究的主題。現在，哥本哈根大學尼爾斯·玻爾研究所的研究人員使用人工智慧方法發現了一個數學模型，該模型為異常波浪如何（尤其是何時）發生提供了方法。

迪翁‧哈夫納(Dion Häfner) 在哥本哈根大學尼爾斯‧玻爾研究所(Niels Bohr Institute) 為他的博士論文《數據的海洋– 推斷現實世界的異常波浪的原因》進行答辯。圖片來源：尼爾斯玻爾研究所/哥本哈根大學

借助大量有關海洋運動的大數據，研究人員可以預測在任何給定時間被海上巨浪襲擊的可能性。「當這些巨浪襲來時通常只會發生非常不幸的事情。 它們是由許多因素綜合造成的，到目前為止，這些因素尚未合併成單一的風險估計。 在這項研究中，我們繪製了產生異常波浪的因果變量，並使用人工智慧將它們收集到一個模型中，該模型可以計算異常波浪形成的機率。」Dion Häfner 說。

Häfner 是一位前博士。尼爾斯·玻爾研究所的學生，也是這項科學研究的第一作者，該研究剛發表在著名的《美國國家科學院院刊》（PNAS）雜誌上。

狂暴的海浪每天都會發生

在他們的模型中，研究人員結合了有關海洋運動和海況以及水深和測深資訊的可用數據。最重要的是，波浪數據是從美國海岸和海外領土周圍158 個不同地點的浮標收集的，這些浮標每天24 小時收集數據。綜合起來，這些來自超過10 億次波浪的數據包含了700 年的波高和海況資訊。

研究人員分析了多種類型的數據，以找出異常波浪的原因，異常波浪被定義為至少是周圍波浪兩倍高的波浪，包括高度超過20 公尺的極端異常波浪。透過機器學習，他們將其全部轉化為演算法，然後應用於他們的資料集。

「我們的分析表明，異常的波浪一直在發生。事實上，我們在數據集中註冊了100000 個波浪，這些波浪可以被定義為狂浪。這相當於每天在海洋中的任意隨機位置發生大約1 次狂浪。然而，它們並不都是狂浪，」該研究的第二作者約翰內斯·格姆里奇（Johannes Gemmrich）解釋道。

人工智慧客串科學家

在這項研究中，研究人員得到了人工智慧的幫助。他們使用了多種人工智慧方法，包括符號回歸，它給出一個方程式作為輸出，而不是像傳統人工智慧方法那樣只返回單一預測。

透過檢查超過10 億個波浪，研究人員的演算法以自己的方式分析了異常波浪的原因，並將其濃縮為描述異常波浪形成原因的方程式。人工智慧了解問題的因果關係，並以方程式的形式將該因果關係傳達給人類，研究人員可以分析該方程式並將其納入未來的研究中。

「幾十年來，第谷·布拉赫收集了天文觀測數據，開普勒透過大量的試驗和錯誤，最終得出了開普勒定律。迪翁用機器來研究波，就像開普勒用機器來研究行星一樣。對我來說，這種事情的可能性仍然令人震驚。」Markus Jochum 說。

自1700 年代以來已知的現象

這項新研究也打破了人們對於造成異常波浪的原因的普遍看法。到目前為止，人們認為造成異常波浪的最常見原因是一個波浪與另一個波浪短暫結合併竊取其能量，產生一個大波浪繼續前進。

然而，研究人員發現，這些怪異波的具體化的最主要因素是所謂的「線性疊加」。這種現象自1700 年代以來就廣為人知，當兩個波系在短時間內相互交叉並相互增強時，就會發生這種現象。

「如果兩個波浪系統在海上相遇，從而增加產生高波峰和深波谷的機會，就會產生巨大波浪的風險。這些知識已經存在了300 年，我們現在用數據來支持它。」Dion Häfner 說。

讓運輸更安全

研究人員的演算法對於航運業來說是個好消息，在任何特定時間，航運業都有大約50,000 艘貨船在全球航行。事實上，在演算法的幫助下，我們可以預測何時出現這種「完美」的因素組合，從而提高可能對海上任何人構成危險的巨浪的風險。

「由於航運公司提前規劃好航線，他們可以使用我們的演算法來評估沿途是否有可能遇到危險的狂浪。基於此，他們可以選擇替代路線。」Dion Häfner 說。

演算法和研究都是公開的，研究人員部署的天氣和波浪數據也是如此。因此，迪翁·哈夫納表示，公共當局和氣象服務機構等感興趣的各方可以輕鬆開始計算異常波浪的機率。與使用人工智慧創建的許多其他模型不同，研究人員演算法中的所有中間計算都是透明的。

「人工智慧和機器學習通常是黑盒子，不會增加人類的理解。 但在這項研究中，迪翁使用人工智慧方法將龐大的波浪觀測資料庫轉化為一個新的異常波機率方程，該方程易於人們理解，並且與物理定律相關。 」論文指導教授及合著者。

參考文獻：Dion Häfner、Johannes Gemmrich 和Markus Jochum 的“機器引導發現真實世界的流氓波模型”，2023 年11 月20 日，《美國國家科學院院刊》。

DOI：10.1073/pnas.2306275120

編譯來源：ScitechDaily