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.
![Kæmpebølge ved Nazare, Portugal der skyller ind over klippen og fyrtårnet efter stor atlantisk storm. Foto: Getty](/data/images/public/13561218/13749726/ae8a1418-f181-4368-b7d9-d5f0b60d0fa1-w_720.jpg)
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
Fungus gnat entombed in a 40-million-year-old piece of amber is a rare gem30.8.2024 06:00:00 CEST | Pressemeddelelse
A Danish amber collector’s find upon a wild North Sea shore in the 1960’s has proved to be of great and surprising significance. After having thoroughly examining the roughly 40-million-year-old piece of amber, University of Copenhagen researchers have discovered it to contain the first fossil of a predatory fungus gnat belonging to a rare genus. The research contributes new knowledge about the distribution of the gnat species and about biodiversity across space and time.
Myggeart opdaget i 40 millioner år gammelt rav er en sjælden perle30.8.2024 06:00:00 CEST | Pressemeddelelse
En Vestjysk ravsamler fandt i 1960’erne et unikt myggefossil uden at vide det. Nu har forskere fra Københavns Universitet undersøgt det ca. 40 millioner år gamle rav, som indeholder det første fossil af en rovsvampemyg som tilhører en sjælden slægt. Forskningen bidrager med ny viden om myggeartens udbredelse og fortidens biodiversitet.
Næsten erklæret uddød: Yderst sjælden bi genopdaget efter 50 år26.8.2024 07:00:00 CEST | Pressemeddelelse
Et forskerhold fra Københavns Universitet har genopdaget den udryddelsestruede overdrevsvejbi i Jægerspris på Nordsjælland. Bien er sidst set i Danmark i 1973 og ville om få år være erklæret nationalt uddød. Fundet peger på, at græssende kvæg og heste hele året rundt gavner de vilde bier.
Historisk stor bevilling skal give Danmark verdens bedste naturvidenskabelige undervisere22.8.2024 07:00:00 CEST | Pressemeddelelse
Med forskning i international topklasse og 125 millioner kroner i ryggen fra Novo Nordisk Fonden skal Københavns Universitet sammen med Aarhus og Syddansk Universitet gøre os klogere på, hvordan man leverer den bedste naturvidenskabelige undervisning på universiteterne. Satsningen er den største enkeltstående satsning på globalt plan og bringer Danmark i front på et historisk underprioriteret område.
Widespread practice among athletes harms both performance and health15.7.2024 10:27:00 CEST | Press release
Drastically cutting back on caloric intake to lose weight ahead of competition is commonplace among athletes. However, this type of 'dieting' doesn’t just diminish performances, it can also compromise their immune systems. These are the findings of a new study from the University of Copenhagen.
I vores nyhedsrum kan du læse alle vores pressemeddelelser, tilgå materiale i form af billeder og dokumenter samt finde vores kontaktoplysninger.
Besøg vores nyhedsrum