研究人员通过在40米长的水槽中进行实验，获得了波浪破碎数据。水箱的一端装有一个桨，研究小组用它来引发每一波波浪。鸣谢:麻省理工学院的波浪一旦达到临界高度，就会破碎，然后形成波峰，撞向水滴和气泡的喷雾。这些波浪可以大到冲浪者的突破点，小到一个滚向海岸的小波浪。几十年来，波浪如何以及何时破碎的动力学太过复杂，无法预测。现在，麻省理工学院的工程师们发现了一种模拟波浪如何破碎的新方法。该团队使用机器学习和来自波浪水槽实验的数据来调整传统上用于预测波浪行为的方程。工程师们通常依靠这些方程来帮助他们设计弹性海上平台和结构。但到目前为止，这些方程还不能捕捉到碎波的复杂性。
研究人员发现，更新的模型对波浪如何以及何时破碎做出了更准确的预测。例如，该模型比传统的波动方程更准确地估计了波浪破碎前的陡度，以及破碎后的能量和频率。
他们的结果发表在今天的《自然通讯》杂志上，这将有助于科学家理解碎浪如何影响周围的水域。准确了解这些波浪是如何相互作用的，有助于完善近海结构的设计。它还可以改善对海洋与大气相互作用的预测。例如，对波浪如何破碎有更好的估计可以帮助科学家预测海洋可以吸收多少二氧化碳和其他大气气体。
“波浪破碎是空气进入海洋的原因，”研究作者Themis Sapsis说，他是机械和海洋工程的副教授，也是麻省理工学院数据、系统和社会研究所的附属机构。“这听起来可能像是一个细节，但如果你将其影响扩大到整个海洋区域，波浪破碎开始对气候预测变得非常重要。”
这项研究的共同作者包括主要作者和麻省理工学院博士后黛比·伊尔廷克，艾克斯-马赛大学的休伯特·布兰格和克里斯托弗·吕诺，京都大学的阿明·查布，日内瓦大学的杰罗姆·卡斯帕里安和代尔夫特理工大学的T.S .范登·布雷默。
学习坦克
为了预测碎波的动力学，科学家通常采取两种方法之一:他们要么试图在水和空气的单个分子的尺度上精确模拟波浪，要么他们进行实验，试图用实际测量来描述波浪的特征。第一种方法计算量大，即使在小区域内也难以模拟；第二种需要大量的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，利用机器学习开发了一个更有效、更准确的模型。研究人员从一组被认为是波动行为的标准描述的方程开始。他们的目的是通过实际实验中的碎波数据来“训练”模型，从而改进模型。
“我们有一个简单的模型，没有捕捉到波浪破碎，然后我们有了真相，这意味着涉及波浪破碎的实验，”Eeltink解释说。“然后我们想用机器学习来了解两者之间的区别。”
研究人员通过在40米长的水槽中进行实验，获得了波浪破碎的数据。水箱的一端装有一个桨，研究小组用它来引发每一波波浪。该小组设置桨在坦克中间产生一个破碎的波浪。当波浪沿着水箱传播时，沿着水箱长度的计量器测量水的高度。
“进行这些实验需要很多时间，”伊尔廷克说。“在每次实验之间，你必须等待水完全平静下来，然后才能开始下一次实验，否则它们会相互影响。”
安全港
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。具体而言，该算法被训练为将实验中的真实波浪与简单模型中的预测波浪进行比较，并且基于两者之间的任何差异，该算法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水槽中进行。在这些测试中，他们发现更新的模型比简单的、未经训练的模型做出了更准确的预测，例如对碎浪的陡度做出了更好的估计。
新模型还捕捉到了碎波的一个基本特性，称为“降频”，即波浪的频率被转移到一个较低的值。波速取决于它的频率。对于海浪来说，低频比高频移动得快。所以降档之后，浪会移动的更快。新的模型预测了每一次碎浪前后频率的变化，这在为沿海风暴做准备时尤其重要。
“当你想预测巨浪何时会到达港口，并且你想在这些波浪到达之前离开港口，那么如果你得到的波浪频率是错误的，那么波浪接近的速度也是错误的，”Eeltink说。
该团队更新的波浪模型是开源代码的形式，其他人可能会使用，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。该程序也可用于近海平台和海岸结构的模拟试验。
“这个模型的首要目的是预测海浪会做什么，”萨普西斯说。“如果你没有正确模拟波浪破碎，它将对建筑物的行为产生巨大的影响。有了这个，你可以模拟波浪来帮助更好、更有效地设计结构，而且没有巨大的安全系数。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
