Slimmere computer verbetert voorspelling van zeegolven
Een vissersboot op volle zee, een containerschip op weg naar Rotterdam, een dijk aan de kust. Allemaal hebben ze iets gemeen: ze zijn afhankelijk van een goede voorspelling van golfhoogtes. Is die voorspelling te optimistisch, dan kan dat gevaarlijk zijn. Onderzoekers hebben nu een nieuwe methode ontwikkeld die deze voorspellingen nauwkeuriger maakt.
Golfvoorspellingen komen meestal uit natuurkundige computermodellen. Die modellen rekenen uit hoe wind, stroming en de vorm van de zeebodem samen golven veroorzaken. Het probleem is dat deze modellen altijd bepaalde aannames moeten doen, omdat de werkelijkheid te complex is om helemaal na te bootsen. Daardoor zitten er systematische fouten in de voorspellingen: ze wijken op een voorspelbare manier af van de werkelijkheid.
Om dat te verbeteren, hebben onderzoekers een nieuw model ontwikkeld met de naam BridgeCast. Dit is geen vervanging van de bestaande natuurkundige modellen, maar een soort correctiesysteem erbovenop. Het combineert de klassieke fysica met kunstmatige intelligentie (AI), een technologie die patronen leert herkennen in grote hoeveelheden data.
BridgeCast werkt met een techniek die "conditional flow matching" heet. In gewone taal: het model behandelt de uitkomst van het natuurkundige model als een soort "vervuilde" meting, en leert stap voor stap hoe die vervuilde data omgezet kan worden in een versie die beter overeenkomt met reanalysedata. Reanalysedata zijn metingen uit het verleden die zijn gecombineerd met modellen, en gelden als de meest betrouwbare schatting van hoe het weer en de zee er destijds echt uitzagen.
Het model kijkt niet alleen naar de golven zelf, maar ook naar andere factoren die invloed hebben, zoals windpatronen. Door deze extra informatie mee te nemen, kan het systeem beter inschatten waar en wanneer de oorspronkelijke voorspelling waarschijnlijk misgaat.
De onderzoekers testten BridgeCast op data uit de praktijk, in verschillende zeegebieden en voor voorspellingen die zowel kort als lang van tevoren worden gemaakt. In al deze gevallen presteerde het nieuwe model beter dan de bestaande, meest geavanceerde methodes. De onderzoekers geven in hun samenvatting geen exacte foutmarges of percentages, maar spreken van een consistente verbetering over verschillende regio's en tijdspannes.
Wat betekent dit (nog) niet
Dit onderzoek laat zien dat de methode goed werkt op de geteste datasets, maar het is één onderzoeksteam dat dit heeft aangetoond. Het is nog niet bevestigd door andere onafhankelijke studies. Ook is niet bekend hoe het model presteert bij extreme, zeldzame weersomstandigheden, zoals tijdens zware stormen, omdat daar minder trainingsdata van beschikbaar is. Voordat zo'n systeem breed wordt ingezet bij bijvoorbeeld de kustwacht of scheepvaart, is meer praktijktesten nodig.
Voor nu is dit vooral een stap in wetenschappelijk onderzoek naar betere voorspelmethodes. Op termijn zou een systeem als dit kunnen bijdragen aan veiligere vaarroutes en betere waarschuwingen voor de kust, maar dat vraagt eerst nog verdere ontwikkeling en validatie.
Bron: BridgeCast: Bridging Ocean Wave Forecasts to Reanalysis via Flow Matching with Exogenous Variables