海洋，這個地球上最廣闊的舞台，孕育了無數生命，也隱藏著無盡的力量。在眾多類別的海洋波浪中，有一種神秘而危險的自然現象--孤立波，也被稱為「瘋狗波」。這些突如其來的巨浪往往在沒有明顯征兆的情況下出現，像遠古神話中那些神秘莫測的海上巨獸一般，給海上航行和作業帶來巨大威脅。然而，隨著科技的進步，我們是否能夠預測這些海上巨獸的出現，從而避免潛在的災難呢？
孤立波：海上的隱形威脅
孤立波是一種異常巨大的波浪，它們通常比周圍波浪高出許多，有時甚至能達到周圍波浪高度的兩倍。這種波浪的出現往往難以預測，給海上航行的船只和海上設施帶來極大的風險。
當孤立波襲擊船只時，可能導致船只失去平衡、損壞甚至沈沒，會破壞漁網、漁具，影響捕撈作業，甚至導致漁船傾覆。其強大的沖擊力還會造成海上石油平台、燈塔、碼頭等基礎設施的結構損壞，影響其正常執行和使用壽命，帶來巨大的經濟損失。
此外，孤立波沖擊海岸時，會帶走大量的泥沙和巖石，加劇海岸的侵蝕，破壞海灘和沿海的生態環境。而且，因為孤立波很難被預測到，在一些沿海旅遊景點或居民密集區，人們往往難以察覺它的到來，在靠近海邊時就可能會被突然襲來的浪卷走，造成傷亡事故。
預測孤立波的挑戰
科學家們已經對孤立波的形成機制進行了大量研究，發現其形成涉及多種復雜的隨機過程，如波高的隨機變化和波浪相位的隨機疊加。
海洋波浪的動力學本質上呈現出非線性特征，這導致波浪之間的相互作用可能產生不可預測的結果，如能量的集中和巨浪的形成，此外，海洋環境本身極其復雜多變，其中涉及風速、風向、海流、溫度和鹽度等諸多因素的互動影響，都可能改變波浪的形態和行為，因此，準確預測孤立波的出現仍然是一個巨大的挑戰。
神經網絡的神奇能力
孤立波由於生成機制過於復雜而難以被有效地預測，而神經網絡作為一種模擬人腦神經元網絡的計算模型，它對復雜規律具有極其強大的學習歸納和預測能力。
尤其是迴圈神經網絡在處理龐大的時間序列數據方面展現出卓越的能力，這涵蓋了諸如氣象數據、股市數據以及海洋波浪數據等關鍵領域。該網絡模型擅長從歷史數據中學習規律，並利用這些規律預測未來的發展趨勢。因此，神經網絡被視為預測復雜自然現象的優選工具，其套用價值不言而喻。
迴圈神經網絡是神經網絡的一種特殊類別，特別擅長處理和預測時間序列數據。迴圈神經網絡透過在神經網絡中引入「記憶」功能，能夠記住輸入數據中的重要資訊，並將這些資訊套用到未來的預測中。簡單來說，迴圈神經網絡可以像人類一樣，透過回顧過去的經驗來預測未來。
要理解迴圈神經網絡如何工作，我們可以把它比作一個擁有短期記憶的人。例如，當我們聽到一個句子時，我們會記住前面的單詞，並根據這些單詞來理解和預測接下來的內容。迴圈神經網絡的原理類似，它會記住時間序列數據中的前N個數據點，並利用這些數據來預測下一個數據點。
以預測孤立波為例，迴圈神經網絡可以透過分析海洋中已有的波浪數據，辨識出波浪的周期性和波動特征。然後，它可以利用這些資訊預測未來某個時間點的波浪高度和形態。
基於迴圈神經網絡如何用於波浪預測通常包括以下幾個步驟：
數據收集：我們首先需要收集大量的海洋波浪數據，包括波浪的高度、周期和方向等資訊。本研究中有超過200億個海平面波浪數據，相當於1600萬個半小時時間間隔（即實驗中時間觀測單位）或者880年的數據。因此，本研究在弗羅利亞波(巴西)阿努(美屬薩摩亞)塞班(美國)關島(美國)、帛琉(馬紹爾群島)和馬久羅(馬紹爾群島)等地設定了海洋浮標，以確保實驗數據的數量。
迴圈神經網絡訓練：將這些數據輸入到迴圈神經網絡中進行訓練。迴圈神經網絡會逐步學習這些數據中的規律，並形成一個預測模型。
預測：在訓練好的迴圈神經網絡模型中輸入最新的波浪數據，並預測未來的波浪情況。例如，預測未來1分鐘內某個區域的波浪高度。
透過對大量浮標數據的訓練和驗證，科學家們發現，迴圈神經網絡能夠在大多數情況下準確預測孤立波的出現。在提前1分鐘的預測中，準確率達到了75%，而在提前5分鐘的預測中，準確率略有下降，但仍然保持在73%左右。這表明，神經網絡在預測孤立波方面具有很高的潛力。
預測的普適性和實際套用
科學家們發現，訓練後的迴圈神經網絡不僅能夠預測訓練數據中的孤立波，還能夠準確預測其他未包含在訓練數據中的浮標位置的孤立波。這表明該預測方法是通用的，適用於不同海域和環境，這進一步加深了人們對海洋波浪的了解，為海洋科學研究提供了更多可能性。
未來神經網絡工具不斷完善後，不僅可以用來為船舶提供預警，讓船員能夠提前得知巨浪來臨，從而尋求庇護，采取緊急停機等措施，最小化巨浪對船舶的影響，降低船舶受損風險，保障生命安全。
此外，神經網絡工具可以為近海平台提供安全保障，在近海平台工作的人員可根據預警采取防護或應急措施，減少安全事故和經濟損失。還可以透過預測波浪的高度、周期和方向等參數，設計更合理的港口布局和防波堤結構，從而降低建設成本，提高港口的安全性和效率。
要將這種預測方法套用於實際的海洋監測和預警系統，還需要進一步地改進和最佳化。例如，可以透過使用更復雜的神經網絡架構、結合更多的海洋物理資訊，或者利用更高分辨率的空間數據來提高預測的準確性並為應急預留時間。
神經網絡工具的使用場景逐漸增多，如華為雲盤古氣象大模型能實作全球氣象秒級預報、台風路徑預測、強降雨等氣象要素預報等，幫助人們更好地應對天氣變化，減少氣象災害帶來的損失，為各行業的決策和營運提供更準確的氣象資訊支持。我們期待在未來，該技術能夠更廣泛地套用於更多領域，幫助我們更好地理解和利用這個神秘的藍色星球。
參考文獻：
[1]Breunung, Thomas;Balachandran, Balakumar.FREAK WAVE FORECASTING: A DATA-DRIVEN APPROACH[J].Proceedings of the International Conference on Offshore Mechanics and Arctic Engineering - OMAE,2022,Vol.2
[2]Breunung, Thomas;Balachandran, Balakumar.Data-driven, high resolution ocean wave forecasting and extreme wave predictions.[J].Ocean Engineering,2023,Vol.268: 0
[3]Breunung, Thomas;Balachandran, Balakumar.Prediction of freak waves from buoy measurements.[J]Scientific Reports,2024,14:16048
出品：科普中國
作者：舟舟（大連理工大學）
監制：中國科普博覽
