Nu kan vi endelig forudsige hvornår monsterbølgen rammer
Monsterbølger kan sænke skibe og beskadige boreplatforme og blev i hundreder af år anset for at være en sømandsmyte. Men nu har forskere fra Københavns Universitet og University of Victoria ved hjælp af 700 års bølgedata og kunstig intelligens fundet formlen på, hvordan man kan forudsige dem. Den nye viden kan gøre skibstrafikken mere sikker.

Historier om monsterbølger eller ekstrembølger, som de også kaldes er i århundreder blevet betragtet som mytiske vandrehistorier fortalt af søfolk. Men i 1995 ramte en 26 meter høj bølge den norske olieplatform Draupner, hvor man for første gang målte en monsterbølge med digitale instrumenter og fik beviset for, at de abnorme havbølger virkelig findes.
Siden da har bølgerne været genstand for en hel del undersøgelser. Men først nu er det lykkedes forskere fra Niels Bohr Institutet på Københavns Universitet at opfinde en matematisk model, der giver opskriften på, hvordan – og ikke mindst hvornår – de ekstreme havbølger kan opstå.
Ved hjælp af kunstig intelligens og store mængder big data om havets bevægelser kan forskerne nemlig forudsige, hvor stor sandsynligheden er for at blive ramt af en monsterbølge på havet på et givent tidspunkt.
”I bund og grund er det sort uheld, når en af de her meget store bølger rammer. For det er en kombination af mange faktorer, som det indtil nu ikke har været muligt at samle i et enkelt risikoestimat. I studiet har vi kortlagt de årsager, der skaber en monsterbølge og samlet dem i en model, som med kunstig intelligens kan udregne sandsynligheden for, at det faktisk sker,” siger Dion Häfner.
Häfner er tidligere ph.d.-studerende på Niels Bohr Institutet og førsteforfatter på det videnskabelige studie, som netop er udgivet i det anerkendte tidsskrift Proceedings of the National Academy of Sciences (PNAS).
Abnorme bølger opstår hver dag
I modellen har forskerne bl.a. kombineret tilgængelige data om havets bevægelser samt om havbundens udformning. Mest centralt er dog bølgedata fra i alt 150 bøjer, som året rundt 24 timer i døgnet indsamler bølgedata ud for den amerikanske kyst. Data, som samlet set rummer 700 års historik om en milliard bølgers højde og bevægelser.
De mange data har forskerne analyseret for at forstå, hvad der forårsager monsterbølger, der er defineret ved at være mindst dobbelt så store som gennemsnittet af bølger i området – herunder de helt store monsterbølger, der kan være over 20 meter høje. Den har de med machine learning omsat til en algoritme, som de har anvendt på deres datasæt.
”Vores udregninger viser, at abnorme bølger opstår hele tiden. Faktisk har vi registreret 100.000 bølger i vores datasæt, som kan defineres som monsterbølger. Det svarer til, at der opstår mellem 0,1 og 1 monsterbølge hver dag på enhver tilfældig placering på havet. Disse bølger er dog ikke allesammen monsterbølger af den helt ekstreme størrelse,” forklarer Johannes Gemmrich fra University of Victoria og studiets andenforfatter.
Faktaboks: Kunstig intelligens som videnskabsmand
I undersøgelsen blev forskerne hjulpet af en kunstig intelligens. Den kunstige intelligens kaldes en symbolsk regressionsalgoritme. Den adskiller sig fra AI-typen kaldet neurale netværk ved at give brugeren større indsigt i et bestemt problem, frem for blot at forudsige hvornår problemet opstår.
Ved at undersøge 100.000 datapunkter om bølger har forskernes algoritme analyseret sin egen vej til at finde årsagerne til monsterbølger og har dermed selv lavet en ligning, der giver opskriften på en monsterbølge. Forskernes metode kombinerer fremskridt inden for kausal analyse, fortolkende maskinlæring og symbolsk regression for at lære årsagssammenhængen af problemet og for at kommunikere denne kausalitet til mennesker i form af en ligning, som vi kan analysere og inkorporere i forskning.
”I løbet af årtier indsamlede Tycho Brahe astronomiske observationer, hvorfra Kepler, med masser af forsøg og fejl, var i stand til at udtrække Keplers love. Dion brugte maskiner til at gøre med bølger, hvad Kepler gjorde med planeter. For mig er det stadig chokerende, at noget som f.eks. det er muligt,” siger Markus Jochum.
Fænomen kendt siden 1700-tallet
Det nye studie bryder også med den gængse opfattelse af, hvad hovedårsagen er til at monsterbølger opstår. Indtil nu har man nemlig troet, at en bølge, der stjæler energi fra en anden bølge og kortvarigt danner én stor bølge, var den mest almindelige årsag.
Men i studiet slår forskerne fast, at den mest dominerende faktor, når kæmpebølger dannes, er det der kaldes ”lineær superposition”. Et fænomen, der har været kendt siden 1700-tallet, og som opstår, når to bølgesystemer krydser ind over hinanden og forstærker hinanden i kortere tid efter.
”Hvis to af disse bølgesystemer krydser hinanden på havet, øges sandsynligheden for at der dannes høje bølgetoppe fulgt af dybe bølgedale og så er der risiko for, at ekstremt store bølger opstår. Det er viden, der har været kendt i 400 år, som vi nu bakker op med data,” siger Dion Häfner.
Mere sikker skibstrafik
Forskernes algoritme er godt nyt for bl.a. shippingbranchen, som på alle tider af døgnet har omkring 50.000 fragtskibe sejlende rundt på havet. For ved hjælp af algoritmen vil man fremover være i stand til at forudsige, hvornår den ”perfekte” kombination af faktorer er til stede for at skabe en monsterbølge, som kan udgøre en fare for de mennesker, der opholder sig på havet.
”Når shippingfirmaerne sidder og planlægger deres sejlruter dage i forvejen, kan de ved hjælp af vores algoritme få en risikovurdering af, om der på den rute, de har planlagt, er fare for støde ind i monsterbølger. På den baggrund kan de vælge alternative ruter,” siger Dion Häfner.
Algoritmen og forskningen er offentlig tilgængelig, og det samme er de vejr- og bølgedata, som forskerne har brugt. Derfor kan interesserede såsom myndigheder og vejrtjenester ifølge Dion Häfner ret nemt begynde at udregne sandsynligheden for monsterbølger. Samtidig er alle mellemregninger i forskernes algoritme gennemsigtige modsat mange andre modeller lavet med kunstig intelligens.
”AI og maskinlæring er typisk sorte bokse, som ikke øger den menneskelige forståelse. Men i dette studie har Dion brugt AI-metoder til at transformere en enorm database af bølgeobservationer til en ny ligning for sandsynligheden for slyngelbølger, som let kan forstås af mennesker og relateres til fysikkens love,” slutter professor, medforfatter og vejleder på studiet, Markus Jochum.
Se Wikipedias liste over rogue waves: https://en.wikipedia.org/wiki/List_of_rogue_waves
Dion Häfner’s forskning fortsætter hos Pasteur Labs.
Nøgleord
Kontakter
Dion Häfner
Tidl. pdh.-studerende, Niels Bohr Institutet
Københavns Universitet
dion.haefner@simulation.science
Markus Jochum
Professor
Niels Bohr Institutet
Københavns Universitet
+ 45 24 85 15 62
mjochum@nbi.ku.dk
Johannes Gemmrich
Research scientist
University of Victoria
gemmrich@uvic.ca
Michael Skov Jensen
Journalist og team koordinator
SCIENCE
Københavns Universitet
+45 93 56 58 97
msj@science.ku.dk
Vedhæftede filer
Følg pressemeddelelser fra Københavns Universitet - Det Natur- og Biovidenskabelige Fakultet
Skriv dig op her, og modtag pressemeddelelser på e-mail. Indtast din e-mail, klik på abonner, og følg instruktionerne i den udsendte e-mail.
Flere pressemeddelelser fra Københavns Universitet - Det Natur- og Biovidenskabelige Fakultet
Core samples from Greenland's seabed provide first historical overview of plastic pollution21.3.2025 10:52:58 CET | Press release
By coring the seabed at 850 m water depth in Disko Bay off Greenland's west coast, researchers from the University of Copenhagen have obtained the first historical record of plastic pollution in Greenland. The new data suggest a link to local socio-economic development and represent a step towards developing a common method for analyzing and mapping global microplastic pollution.
Kerneboringer i Grønlands havbund giver for første gang et historisk overblik over plastikforurening19.3.2025 09:41:25 CET | Pressemeddelelse
Ved bore kerneprøver fra havbunden - i Diskobugten ud fra Grønlands vestkyst - har forskere fra Københavns Universitet opnået den første historiske optegnelse af plastforurening i Grønland. De nye data fra 850 meters dybde tyder på en forbindelse til den socioøkonomiske udvikling lokalt, og er et skridt i retningen af fælles metoder til at analysere og kortlægge global mikroplastforurening.
Popular cooking cheese made with peas yields same taste and texture18.3.2025 08:47:00 CET | Press release
A significant amount of the milk used in a popular cooking cheese can be substituted with plants, all while maintaining its taste and texture. Researchers from the University of Copenhagen have demonstrated this by creating a hybrid version of paneer, a popular South Asian cheese, with twenty-five percent pea protein. The result is a solid step towards more sustainable dairy products with nutritional benefits.
Populær madlavningsost – nu med ærter, men med samme gode smag og tekstur18.3.2025 07:16:00 CET | Pressemeddelelse
Man kan godt erstatte en stor del af mælken i ost med planter og stadig bevare den rigtige smag og tekstur. Det har forskere fra Københavns Universitet nu demonstreret ved at lave en hybrid-udgave af den populære ost paneer med 25 procent ærteprotein. Resultatet er et solidt skridt i retning mod mere bæredygtige mejerivarer med ernæringsmæssige bonusser.
Omfattende genetisk kortlægning kan få stor betydning for behandlingen af metaboliske sygdomme i Grønland14.3.2025 11:43:18 CET | Pressemeddelelse
I den mest omfattende genetiske undersøgelse af den grønlandske befolkning lavet til dato har forskere fra Danmark og Grønland undersøgt nye dele af genomet, som aldrig tidligere er blevet undersøgt. Studiet kaster nyt lys over grønlændernes genetiske arv og sundhedstilstand og kan fremover hjælpe med at forbedre diagnosticering og behandlingen af genetiske metaboliske sygdomme.
I vores nyhedsrum kan du læse alle vores pressemeddelelser, tilgå materiale i form af billeder og dokumenter samt finde vores kontaktoplysninger.
Besøg vores nyhedsrum