當海浪膨脹到一個臨界高度時就會發(fā)生破碎，然后在波峰處墜落成水滴和氣泡的淋浴。這些波浪可以大到像沖浪者的破碎波點，小到像滾到岸邊的溫柔漣漪。幾十年來，波浪如何以及何時破碎的動態(tài)變化對科學家來說仍舊太過復雜而無法預測。

資料圖

現(xiàn)在，來自麻省理工學院的工程師們已經(jīng)找到了一種新方法來模擬海浪如何破碎。研究人員利用機器學習和波浪罐測試的數(shù)據(jù)調整了以前用于預測波浪行為的方程式。據(jù)悉，工程師們經(jīng)常使用這種方程來幫助他們設計堅固的海上平臺和結構。但直到現(xiàn)在，這些方程還無法捕捉到破碎波的復雜性。

研究人員發(fā)現(xiàn)，修改后的模型能更準確地預測波浪如何以及何時會破碎。比如跟與傳統(tǒng)的波浪方程相比，該模型能更準確地評估波浪在破碎前不久的陡峭度以及破碎后的能量和頻率。

他們的成果最近發(fā)表在《自然通訊》上，其將幫助科學家了解破碎波如何影響它周圍的水。準確地了解這些波浪如何相互作用可以幫助做出海上結構的設計。另外，它還可以改善對海洋跟大氣相互作用方式的預測。有了對波浪如何破碎的更好估計，科學家可以預測諸如海洋可以吸收多少二氧化碳和其他大氣氣體等問題。

這項研究的報告作者Themis Sapsis說道：“這聽起來可能是一個細節(jié)，但如果你把它的影響乘以整個海洋的面積，破碎波開始變得對氣候預測具有根本性的重要性?！盨apsis是機械和海洋工程的副教授，也是MIT數(shù)據(jù)、系統(tǒng)和社會研究所的一名成員。

學習罐

為了預測破碎波的動態(tài)，科學家通常采取以下兩種方法的其中一種–他們要么嘗試在單個水和空氣分子的尺度上精確模擬波浪，要么通過實驗的方式以試圖用實際測量來描述波浪的特征。第一種方法計算成本高，即使在小范圍內也很難模擬；第二種方法需要大量的時間來進行足夠的實驗以產(chǎn)生具有統(tǒng)計學意義的結果。

MIT的團隊則從這兩種方法中借鑒了一些片段，然后利用機器學習開發(fā)出了一個更有效和準確的模型。研究人員從一套被認為是波浪行為的標準描述的方程開始。他們的目標是通過在實際實驗中的破碎波數(shù)據(jù)上“訓練”該模型來改進該模型。

研究人員通過在一個40米長的水箱中進行實驗獲得破碎波數(shù)據(jù)。水箱的一端裝有一個槳，研究小組用它來啟動每個波浪。研究小組將槳設置為在水箱的中間產(chǎn)生一個破碎波，然沿著水箱的長度測量水的高度。

“進行這些實驗需要大量的時間。在每個實驗之間，你必須等待水完全平靜下來然后再啟動下一個實驗，否則它們會相互影響，”Eeltink說道。

安全港灣

據(jù)了解，研究團隊總共進行了約250次實驗，他們用其中的數(shù)據(jù)來訓練一種被稱為神經(jīng)網(wǎng)絡的機器學習算法。具體來說，該算法被訓練來比較實驗中的真實波和簡單模型中的預測波，根據(jù)兩者之間的任何差異，該算法調整模型以適應現(xiàn)實。

在對實驗數(shù)據(jù)進行訓練后，研究團隊將模型引入到全新的數(shù)據(jù)中。在這種情況下，來自兩個獨立實驗的測量結果，每個實驗都在不同尺寸的波浪槽中運行。在這些測試中，研究人員發(fā)現(xiàn)更新的模型比簡單的、未經(jīng)訓練的模型做出了更準確的預測。

另外，新模型還捕捉到了破碎波的一個基本屬性，即“下移”，即波的頻率被轉移到一個較低的值。一個波的速度取決于它的頻率。對于海浪來說，低頻率的海浪比高頻率的海浪移動得更快。因此，在下移之后，波浪將移動得更快。新模型在每個破碎波前和破碎波后預測了頻率的變化，這在準備沿海風暴時可能特別有用。

該研究團隊更新的波浪模型是以開源代碼的形式出現(xiàn)，這意味著其他人可能會使用它。另外，該代碼還可以用于海上平臺和海岸結構的模擬測試。

Sapsis介紹道：“這個模型的首要目的是預測波浪會做什么。如果你沒有正確地模擬破碎波，那么它將對結構的行為產(chǎn)生巨大的影響。有了這個，你可以模擬波浪，從而幫助更好、更有效地設計結構，且沒有巨大的安全系數(shù)?！?/p>