美研发人工智能海浪预报系统

近日，利用深度学习技术，IBM公司、美国贝勒大学和圣母大学联合开发出一种先进的海浪预报系统，其运算速度远超当前的 预 报 模 式 ， 并 且 可 在 树 莓 派（Raspberry Pi） 这 种 轻 型设 备 上 进 行快速模拟运算。

传统的预报模式需要超级计算机来计算潮汐、风力风向、海洋的深度差异 对 海 浪 移 动 速 度和 高 度 的 影 响，不仅成本高，而且运算缓慢。“这个系统 的 运 行 速 度 比 传 统 预 报 模 式快 120倍。”IBM 研究员费尔格尔奥唐查说。

研究者利用传统的近海岸海浪模拟（SWAN）模式产生训练数据，以训练深度学习算法。SWAN 的海浪状况数据来自美 国 国 家 海 洋 和 大 气 管 理 局（NOAA） 国家数据浮标中心，实时洋流和风力风向等数据来自 IBM 天气公司。

“利用 SWAN 这种物理模式，我们可以生成数千个海浪场，然后将其与通过浮标收集到的海浪数据进行对比评估，从而测量该模式的精确度。”费尔格尔奥唐查说。

2013 年 4 月 1 日 至 2017 年 7 月 31日，SWAN 模式每 3 小时产生一次预报，共输出12400 个模式预报结果。具体来看，用深度学习算法可以复制其中 3111 张波高和波周期的影像，并且误差小于 SWAN 模式验证的结果。

“对于许多海洋产业而言，精确预报海浪的高度和移动方向具有重要价值。这些产业一般在较为恶劣的环境中进行，电力和计算设施均十分有限。因此，以较低的计算资源成本来提供精确的海浪预报，对于提升决策服务水平非常重要。”费尔格尔奥唐查表示。

抛开可大幅削减计算资源费用不谈，这种新方法的预报精度可与传统基于物理机制的 SWAN 模式抗衡。但是，新方法还存在一些局限。现在其预报海浪的精确性仅在加利福尼亚蒙特利湾进行了验证。为了将其扩展到其他海域，研究者需要使用新的风力风向、潮汐和海洋数据来训练模式。

借助该模式，船舶和水产业公司可以更为方便地获取海浪预报，IBM公司认为精确预报海浪是利用波浪能这种可再生能源的关键。科学家希望该预报系统有一天可以为船运公司提供服务，通过精确的海浪预报来确定省时、省力的最佳航行路径。