Mô hình mới sử dụng máy học giúp dự đoán dòng hải lưu chính xác hơn

  • Cập nhật: Thứ ba, 30/5/2023 | 4:09:41 PM

QLMT - Một thuật toán máy học mới dự đoán các dòng hải lưu chính xác hơn có thể giúp ích cho các nỗ lực tìm kiếm cứu nạn cũng như giám sát sự cố tràn dầu và ô nhiễm nhựa

Một mô hình kết hợp học máy đã được xây dựng trong một nghiên cứu gần đây bởi một nhóm nghiên cứu đa dạng, bao gồm các nhà khoa học máy tính từ MIT và các nhà hải dương học, để dự đoán chính xác hơn các dòng hải lưu và xác định sự phân kỳ. 

Các nhà nghiên cứu phát hiện ra rằng do những giả định sai lầm về hành vi của nước, mô hình thống kê thông thường thường được áp dụng cho dữ liệu phao gặp khó khăn trong việc đưa ra dự đoán chính xác. Mô hình mới cung cấp một mô tả thực tế hơn về vật lý đang diễn ra trong các dòng hải lưu bằng cách kết hợp kiến ​​thức từ động lực học chất lỏng.



Mô hình học máy mới nâng cao độ chính xác của dự đoán dòng hải lưu. Ảnh: Interesting engineering

Nhiều ứng dụng thực tế

Sự khác biệt phải được xác định và dự đoán dòng hải lưu phải chính xác để ứng phó với sự cố tràn dầu, dự báo thời tiết và hiểu cách năng lượng được truyền trong đại dương.

Mô hình cập nhật có thể giúp giám sát chính xác hơn quá trình vận chuyển sinh khối, phân tán carbon, phân phối nhựa, chuyển động của dầu và dòng chất dinh dưỡng trong đại dương, điều này có thể cải thiện đáng kể các ước tính rút ra từ dữ liệu phao. Ngoài ra, dữ liệu này rất cần thiết để hiểu và theo dõi biến đổi khí hậu.

Các nhà nghiên cứu phát hiện ra rằng các giả định không chính xác đã được đưa ra liên quan đến mối quan hệ giữa các thành phần kinh độ và vĩ độ của dòng chảy bằng cách sử dụng quy trình Gaussian thông thường, một phương pháp học máy được sử dụng để dự báo các dòng hải lưu và xác định sự phân kỳ. 

Mô hình hiện tại đã sử dụng giả định sai lầm rằng tính xoáy và sự phân kỳ của dòng điện xảy ra trên cùng một thang độ dài và cường độ. Tuy nhiên, mô hình mới bao gồm phân tích Helmholtz, phân chia dòng hải lưu thành các thành phần xoáy và phân kỳ, biểu thị chính xác các định luật động lực học chất lỏng.

Hiệu suất nổi

Sử dụng dữ liệu từ cả phao đại dương tổng hợp và thực tế, các nhà nghiên cứu đã đánh giá mô hình mới. So với quy trình Gaussian thông thường và một phương pháp học máy khác sử dụng mạng thần kinh, mô hình mới hoạt động tốt hơn trong việc dự báo dòng chảy và nhận biết sự phân kỳ khi so sánh với gió và sự phân kỳ trên mặt đất. Các nhà nghiên cứu cũng phát hiện ra rằng bằng cách sử dụng kỹ thuật mới, một nhóm nhỏ phao có thể được sử dụng để xác định thành công các xoáy.

Các nhà nghiên cứu có kế hoạch thêm một thành phần thời gian vào mô hình của họ trong tương lai để giải thích cho những dao động theo thời gian của các dòng hải lưu. Để tăng độ chính xác của mô hình, họ cũng có ý định cải thiện khả năng phân biệt giữa dữ liệu và tiếng ồn, chẳng hạn như ảnh hưởng của gió. 

Các nhà nghiên cứu dự định tăng khả năng của mô hình để dự báo dòng chảy và sự phân kỳ ra khỏi phao, cuối cùng cải thiện sự hiểu biết của họ về động lực học đại dương.

Các chuyên gia thực địa đã ca ngợi phương pháp mới của các nhà nghiên cứu, phương pháp này bao gồm các hành vi động lực học chất lỏng nổi tiếng thành một mô hình có thể thích ứng. Chuyên gia thống kê sinh học liên kết tại Bệnh viện Phụ nữ và Brigham Massimiliano Russo hoan nghênh nghiên cứu về đặc điểm kỹ thuật hợp lý về mặt khoa học và khả năng nâng cao khả năng thích ứng và độ chính xác của mô hình hiện có.

Trường Khoa học Hàng hải, Khí quyển và Trái đất Rosenstiel tại Đại học Miami, Văn phòng Nghiên cứu Hải quân và Giải thưởng Sự Nghiệp NSF đều tài trợ cho nghiên cứu này.

Kết quả của nghiên cứu này, làm nổi bật ảnh hưởng tiềm năng của mô hình mới đối với nghiên cứu và ứng dụng hải dương học, sẽ được trình bày tại Hội nghị Quốc tế về Máy học.

Hải Đăng (T/h)