當海浪膨脹到一個臨界高度時就會發生破碎，然後在波峰處墜落成水滴和氣泡的淋浴。這些波浪可以大到像衝浪者的破碎波點，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變化對科學家來說仍舊太過複雜而無法預測。
資料圖
現在，來自麻省理工學院的工程師們已經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據調整了以前用於預測波浪行為的方程式。據悉，工程師們經常使用這種方程來幫助他們設計堅固的海上平台和結構。但直到現在，這些方程還無法捕捉到破碎波的複雜性。
研究人員發現，修改後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，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。”Sapsis是機械和海洋工程的副教授，也是MIT數據、系統和社會研究所的一名成員。
學習罐
為了預測破碎波的動態，科學家通常採取以下兩種方法的其中一種–他們要麼嘗試在單個水和空氣分子的尺度上精確模擬波浪，要麼通過實驗的方式以試圖用實際測量來描述波浪的特徵。第一種方法計算成本高，即使在小範圍內也很難模擬；第二種方法需要大量的時間來進行足夠的實驗以產生具有統計學意義的結果。
MIT的團隊則從這兩種方法中借鑒了一些片段，然後利用機器學習開發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據上“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據。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生一個破碎波，然沿着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後再啟動下一個實驗，否則它們會相互影響，”Eeltink說道。
安全港灣
據了解，研究團隊總共進行了約250次實驗，他們用其中的數據來訓練一種被稱為神經網絡的機器學習算法。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，根據兩者之間的任何差異，該算法調整模型以適應現實。
在對實驗數據進行訓練后，研究團隊將模型引入到全新的數據中。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，研究人員發現更新的模型比簡單的、未經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。一個波的速度取決於它的頻率。對於海浪來說，低頻率的海浪比高頻率的海浪移動得更快。因此，在下移之後，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，這意味着其他人可能會使用它。另外，該代碼還可以用於海上平台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麼。如果你沒有正確地模擬破碎波，那麼它將對結構的行為產生巨大的影響。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，且沒有巨大的安全係數。”