Морские суда и морские платформы выдерживают постоянное воздействие волн и течений. За десятилетия эксплуатации эти сооружения могут без предупреждения столкнуться лицом к лицу с волной-убийцей, странным штормом или другим экстремальным явлением с потенциально разрушительными последствиями.
Теперь инженеры Массачусетского технологического института разработали алгоритм, который быстро определяет типы экстремальных явлений, которые могут произойти в сложной системе, такой как океанская среда, где волны различной величины, длины и высоты могут создавать стресс и давление на судно или морскую платформу. Исследователи могут смоделировать силы и напряжения, которые экстремальные события - в форме волн - могут создавать в конкретной конструкции.
По сравнению с традиционными методами метод группы обеспечивает гораздо более быструю и точную оценку рисков для систем, которые могут подвергнуться экстремальному событию в какой-то момент в течение их ожидаемого срока службы, принимая во внимание не только статистический характер явление, но и лежащую в его основе динамику.
«Благодаря нашему подходу вы можете оценить, начиная с этапа предварительного проектирования, как конструкция будет вести себя не с одной волной, а со всем набором или семейством волн, которые могут ударить по этой конструкции», - говорит Фемистоклис Сапсис, юрист профессор машиностроения и океанотехники Массачусетского технологического института. «Вы можете лучше спроектировать свою конструкцию, чтобы у вас не было структурных проблем или напряжений, превышающих определенный предел».
Сапсис говорит, что этот метод не ограничивается кораблями и океанскими платформами, но может быть применен к любой сложной системе, уязвимой для экстремальных явлений. Например, этот метод можно использовать для определения типа шторма, который может вызвать сильное наводнение в городе, и места, где это наводнение может произойти. Его также можно использовать для оценки типов электрических перегрузок, которые могут вызвать отключения электроэнергии, и мест, где эти отключения могут произойти в городской энергосистеме.
Сапсис и Мустафа Мохамад, бывший аспирант в группе Сапсиса, в настоящее время помощник научного сотрудника Института математических наук Куранта в Нью-Йоркском университете, публикуют свои результаты на этой неделе в Proceedings of the National Academy of Sciences.
Обход ярлыка
Инженеры обычно оценивают выносливость конструкции к экстремальным явлениям, используя интенсивные вычисления для моделирования реакции конструкции, например, на волну, приходящую с определенного направления, с определенной высотой, длиной и скоростью. Эти симуляции очень сложны, поскольку они моделируют не только интересующую волну, но и ее взаимодействие со структурой. Путем моделирования всего «волнового поля» при накатывании конкретной волны инженеры могут затем оценить, как конструкция может раскачиваться и толкаться конкретной волной, и какие результирующие силы и напряжения могут привести к повреждению..
Эти симуляции оценки рисков невероятно точны и в идеальной ситуации могут предсказать, как конструкция будет реагировать на каждый возможный тип волны, будь то экстремальная или нет. Но такая точность потребовала бы от инженеров моделирования миллионов волн с различными параметрами, такими как высота и масштаб длины, - процесс, на вычисление которого могли уйти месяцы.
«Это безумно дорогая проблема», - говорит Сапсис. «Чтобы смоделировать одну возможную волну, которая может произойти в течение 100 секунд, требуется современный графический процессор, который работает очень быстро, около 24 часов. Нам интересно понять, какова вероятность экстремального события в течение 100 лет».
В качестве более практичного способа инженеры используют эти симуляторы для запуска всего нескольких сценариев, выбирая для моделирования несколько случайных типов волн, которые, по их мнению, могут нанести максимальный ущерб. Инженеры предполагают, что если структурная конструкция выдержит эти экстремальные, случайно генерируемые волны, конструкция выдержит аналогичные экстремальные явления в океане.
Но при выборе случайных волн для моделирования, по словам Сапсиса, инженеры могут упустить другие менее очевидные сценарии, такие как комбинации волн среднего размера или волны с определенным наклоном, которые могут перерасти в разрушительное экстремальное явление.
«Что нам удалось сделать, так это отказаться от этой логики случайной выборки», - говорит Сапсис.
Быстро учусь
Вместо того, чтобы запускать миллионы волн или даже несколько случайно выбранных волн через интенсивную вычислительную симуляцию, Сапсис и Мохамад разработали алгоритм машинного обучения, чтобы сначала быстро определить «наиболее важную» или «наиболее информативную» волну для прохождения. такая симуляция.
Алгоритм основан на идее, что каждая волна имеет определенную вероятность внести свой вклад в экстремальное событие в конструкции. Сама вероятность имеет некоторую неопределенность или погрешность, поскольку представляет собой эффект сложной динамической системы. Более того, некоторые волны более определенно способствуют экстремальному событию, чем другие.
Исследователи разработали алгоритм таким образом, чтобы они могли быстро вводить различные типы волн и их физические свойства, а также их известные эффекты на теоретическую морскую платформу. Из известных волн, которые исследователи подключают к алгоритму, он может «учиться» и делать приблизительную оценку того, как платформа будет вести себя в ответ на любую неизвестную волну. Благодаря этому этапу машинного обучения алгоритм изучает поведение морской структуры на всех возможных волнах. Затем он идентифицирует конкретную волну, которая максимально снижает ошибку вероятности экстремальных событий. Эта волна имеет высокую вероятность возникновения и приводит к экстремальному событию. Таким образом, алгоритм выходит за рамки чисто статистического подхода и учитывает динамическое поведение рассматриваемой системы.
Исследователи проверили алгоритм на теоретическом сценарии, включающем упрощенную морскую платформу, подверженную набегающим волнам. Команда начала с включения четырех типичных волн в алгоритм машинного обучения, включая известные эффекты волн на морской платформе. Исходя из этого, алгоритм быстро определил размеры новой волны, которая имеет высокую вероятность возникновения, и максимально уменьшил ошибку вероятности экстремального события.
Затем команда подключила эту волну к более ресурсоемкому моделированию с открытым исходным кодом, чтобы смоделировать реакцию упрощенной оффшорной платформы. Они вернули результаты этого первого моделирования обратно в свой алгоритм, чтобы определить следующую лучшую волну для моделирования, и повторили весь процесс. В общей сложности группа провела 16 симуляций в течение нескольких дней, чтобы смоделировать поведение платформы при различных экстремальных условиях. Для сравнения, исследователи провели моделирование, используя более традиционный метод, в котором они слепо моделировали как можно больше волн, и смогли получить аналогичные статистические результаты только после запуска тысяч сценариев в течение нескольких месяцев.
Sapsis говорит, что результаты демонстрируют, что метод команды быстро оттачивает волны, которые, скорее всего, будут вовлечены в экстремальное явление, и предоставляет проектировщикам более информированные, реалистичные сценарии для моделирования, чтобы проверить выносливость. не только морских платформ, но и электросетей и подверженных наводнениям регионов.
«Этот метод прокладывает путь к оценке рисков, проектированию и оптимизации сложных систем на основе статистики экстремальных событий, что раньше не рассматривалось и не делалось без серьезных упрощений», - говорит Сапсис. «Теперь мы можем сказать, что, используя подобные идеи, вы можете понять и оптимизировать свою систему в соответствии с критериями риска для экстремальных событий».