20. november 2023

Nu kan vi endelig forudsige hvornår monsterbølgen rammer

Havet

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.

Kæmpe bølge ud for Portugals kyst
Kæmpebølge ved Nazare, Portugal der styrter ind i klippen og fyrtårnet efter stor atlantisk storm. Foto: Getty

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.

 

 

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.  

Dion Häfner
Dion 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). Foto: NBI 

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.

Kontakt

Dion Häfner
Tidl. pdh.-studerende, Niels Bohr Institutet
Københavns Universitet
dion.haefner@simulation.science

Johannes Gemmrich
Research scientist
University of Victoria
gemmrich@uvic.ca

Markus Jochum
Professor
Niels Bohr Institutet
Københavns Universitet
+ 45 24 85 15 62
mjochum@nbi.ku.dk

Michael Skov Jensen
Journalist og team koordinator
SCIENCE
Københavns Universitet
+45 93 56 58 97
msj@science.ku.dk

Emner

Se også: