لي بنكسيا من المركز الوطني للتنبؤ بالبيئة البحرية: تم تشغيل أول نظام ذكي للتنبؤ بالأمواج في البلاد تجاريًا، وساعد الذكاء الاصطناعي في تحقيق اختراقات متعددة في التنبؤ بالأمواج

في الآونة الأخيرة، في مؤتمر CCF HPC China 2024 العشرين، تم عقد المنتدى السادس للتنبؤ العددي للمحيطات والحوسبة عالية الأداء بنجاح. في هذا المؤتمر،ألقى لي بنكسيا، مدير مكتب التنبؤ بالأمواج في المركز الوطني للتنبؤ بالبيئة البحرية، كلمة حول موضوع "تطبيق الذكاء الاصطناعي في التنبؤ بالأمواج".لقد قامت HyperAI بتجميع المحتوى الأساسي للكلام دون انتهاك القصد الأصلي. وفيما يلي نص الخطاب:

تساعد الذكاء الاصطناعي في أن يصبح التنبؤ بالموجات الذكية أحد اتجاهات تطوير الصناعة

بلدي هو أحد البلدان التي تعاني من أخطر كوارث الأمواج المحيطية في العالم. تلعب توقعات أمواج المحيط دورًا لا غنى عنه في الحفاظ على سلامة الأنشطة البحرية وتعزيز التنمية الاقتصادية وحماية البيئة البحرية.على سبيل المثال، من حيث السلامة البحرية، يمكن أن تساعد توقعات الأمواج الصيادين على تجنب الظروف البحرية القاسية وضمان سلامة العمليات البحرية؛ بالنسبة للسياحة الساحلية، يمكن لتوقعات الأمواج تحذير السياح مسبقًا وتجنب الحوادث في المياه الخطرة؛ وفي مجال تطوير الطاقة البحرية، فإنه يوفر مرجعًا مهمًا لتصميم وصيانة مرافق طاقة الرياح البحرية وطاقة المد والجزر.

بدأت عملية التنبؤ بالموجات في الصين في عام 1965 واعتمدت في البداية بشكل أساسي على التنبؤ الإحصائي التجريبي. وفي وقت لاحق، ومع إدخال نماذج التنبؤ العددي الأجنبية وتطوير نماذجنا الخاصة، أنشأنا تدريجيا نظام تنبؤ عددي عملي يغطي المياه الساحلية الصينية والمحيط الهادئ الغربي وأمواج منطقة الاستحمام. علاوة على ذلك، أصبحت منصات التفاعل بين الإنسان والحاسوب وتقنيات التنبؤ بالشبكات الذكية للمحيطات أكثر نضجًا بشكل متزايد.

وبناءً على تطور تكنولوجيا التنبؤ، فإن نموذج التنبؤ العددي لأمواج المحيط لا يزال هو السائد. ومع ذلك، عند مواجهة كوارث الأعاصير في المناطق الساحلية، بسبب عدم اليقين بشأن مسار الإعصار، يتعين تحديث توقعات مسار الإعصار وشدته بسرعة، الأمر الذي يتطلب أن تكون توقعات الأمواج قادرة على الاستجابة بسرعة لهذه التغييرات. ومع ذلك، يحتاج نموذج التنبؤ بالموجة الرقمية إلى المرور بعمليات مثل تصحيح التجربة اليدوية، والتفاعل بين منصة الإنسان والحاسوب، وإصدار المنتج، ولا يمكنه الاستجابة للطلب بسرعة. علاوة على ذلك، فإن التكلفة الحسابية العالية تشكل أيضًا قيدًا رئيسيًا.

في السنوات الأخيرة، ومع التقدم المستمر في الذكاء الاصطناعي وتكنولوجيا الحوسبة، أصبحت التنبؤات الذكية ناضجة بشكل متزايد. بالإضافة إلى ذلك، تراكمت كمية كبيرة من بيانات التدريب في التنبؤات الموجية الرقمية السابقة، وهو ما يوفر أيضًا دعمًا أساسيًا مهمًا لتطوير التنبؤات الموجية الذكية.في هذه الحالة، تتميز تقنية التنبؤ بالموجات الذكية بخصائصها المتمثلة في الوقت القصير والبساطة والراحة ودقة التنبؤ العالية.

ممارسة التنبؤ بالموجات الذكية: يمكن إكمال 72-96 ساعة من التنبؤ في دقيقة واحدة

تستخدم تقنية التنبؤ الذكي بشكل أساسي أساليب التعلم العميق لمحاكاة عمليات التنبؤ بالتجربة العددية واليدوية، ثم تنشئ نموذج تنبؤ ذكي لعناصر الموجة، وتجمع بين تقنيات الحوسبة السحابية والحوسبة الحافة لبناء نظام تنبؤ خفيف الوزن وسريع.

يمكن للتنبؤ بالموجات الذكية تسلسل وتوازي مخرجات نتائج التنبؤ بالموجات في أوقات مختلفة. على غرار النموذج الفيزيائي التقليدي، يمكن استخدام تسلسل مجال الرياح من T0-m إلى T0+n مباشرة للتنبؤ بتسلسل مجال الموجة من T1 إلى T0+n.

ثانياً، يمكن للتنبؤ بالموجات الذكية أن يجعل استخدام معلومات المراقبة أكثر مباشرة وفعالية. على سبيل المثال، يمكنه دمج بيانات المراقبة مثل بيانات العوامات البحرية الصينية وبيانات الاستشعار عن بعد لموجات الأقمار الصناعية في مجال التحليل العددي للموجات. يمكن لتقنية التصحيح هذه تحسين دقة مجال التحليل المستخدم للتدريب، وبالتالي تحسين نتائج التنبؤ.

أخيرًا، بالمقارنة مع نموذج التنبؤ بالموجات الرقمية، فإن التنبؤ بالموجات الذكية يمكن أن يقلل بشكل كبير من وقت الحساب، حيث يكمل التنبؤ لمدة 72-96 ساعة في دقيقة واحدة فقط.

تصحيح بيانات التدريب لتحسين دقة التنبؤ بالموجات

وفيما يتعلق ببناء منتجات التنبؤ بالموجات الذكية، ذكرت لي بنكسيا أن فريقها قام بتطوير مجموعة من منتجات التنبؤ بالموجات الذكية للمياه الساحلية الصينية ومنطقة شمال غرب المحيط الهادئ. تظهر بيانات التدريب المستخدمة في الشكل أدناه.وتشمل البيانات الرئيسية المستخدمة بيانات إعادة تحليل الغلاف الجوي من الجيل الخامس ERA5 الصادرة عن المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، وبيانات إعادة تحليل المناخ العالمي الصادرة عن المراكز الوطنية للتنبؤ البيئي (NCEP) في الولايات المتحدة، وبيانات مجال تحليل الموجات الصادرة عن المركز الأوروبي للتنبؤات الجوية متوسطة المدى (ECMWF)، وبيانات مجال تحليل الموجات التي طورها بشكل مستقل المركز الوطني للتنبؤات البيئية البحرية (NMEFC).

ومن الجدير بالذكر أنه أثناء تطوير بيانات تدريب الموجة، أولى الفريق اهتمامًا خاصًا لحقيقة مفادها أنه عندما تكون الطبقات الجوية غير مستقرة، فقد يكون مدخل طاقة الرياح أصغر بكثير.لقد قمنا بشكل مستقل بتطوير طريقة لتصحيح ارتفاع الموجة الفعال على أساس الفرق بين درجة حرارة البحر، وهو ما يمكن أن يحسن بشكل كبير دقة محاكاة الموجة ومعالجة مشكلة التنبؤ بالموجات الصغيرة في المياه الضحلة.

وعلى وجه التحديد، اختار الباحثون العشرات من العوامات التشغيلية لمراقبة الأمواج البحرية من الشمال إلى الجنوب على طول ساحل الصين، ودمجوا بيانات الأقمار الصناعية من منطقة شمال المحيط الهندي للتصحيح.يتم دمج بيانات المراقبة في مجال التحليل العددي للموجة من خلال الاستيفاء الأمثل.

وفي تطبيقات محددة، أجرى الباحثون أيضًا تصحيحًا لحقل الاندماج على البيانات التي تحتوي على انحرافات منهجية واضحة في حجم المحيط رقم 2C. وتظهر النتائج أنيتمتع مجال الاندماج بتحسينات واضحة في انحراف النظام، وخطأ الجذر التربيعي المتوسط، والخطأ النسبي، ومؤشر التشتت ضمن ارتفاع الموجة الكامل، ولديه أداء عالي في الوقت الفعلي، ويمكنه تحسين دقة مجال النموذج العددي.

تم إطلاق أول نظام تشغيلي ذكي للتنبؤ بالموجات وقد اجتاز مراجعة الخبراء

واستناداً إلى البيانات المذكورة أعلاه، استخدم فريق لي بنكسيا أساليب التعلم العميق مثل Vision Transformer لتطوير نظام ذكي للتنبؤ بالموجات في المياه الساحلية الصينية وشمال غرب المحيط الهادئ.وهذا هو أول نظام ذكي للتنبؤ بالموجات في بلدي يتم تشغيله تجارياً، وقد اجتاز مراجعة الخبراء في يونيو 2022.

ومن الجدير بالذكر أن Vision Transformer هو عبارة عن بنية شبكة عصبية متخصصة في معالجة بيانات التسلسل. باعتبارها واحدة من بنيات التعلم العميق الرائدة حاليًا، يمكنها التقاط التبعيات طويلة المدى وحل الصعوبات التي تواجهها شبكات RNN التقليدية في معالجة التسلسلات الطويلة. ويمكنه أيضًا معالجة جميع العناصر في تسلسل في وقت واحد، وبالتالي دعم الحوسبة المتوازية للغاية.يتم تسريع سرعة تدريب النموذج بشكل كبير.

كما هو موضح في الشكل أدناه، في توقعات الفترة المتوسطة لأمواج المحيط، من منظور خصائص التوزيع المكاني،تتوافق هذه المجموعة من توقعات الموجات الذكية القائمة على الذكاء الاصطناعي بشكل كبير مع نتائج التنبؤات العددية للموجات التشغيلية لمركز التنبؤات الجوية المتوسطة المدى الأوروبي.

من حيث التغيير في الخطأ مع وقت التنبؤ، فإن دقة التنبؤ الذكي للموجات باستخدام الذكاء الاصطناعي قابلة للمقارنة مع دقة التنبؤ العددي للموجات التشغيلية لـ ECMWF. كما هو موضح في الشكل أدناه، فإن دمج البيانات المرصودة لتصحيح بيانات التدريب يعطي تأثيرًا أفضل للتنبؤ بالموجة (الخط الأصفر).وهذا يوضح أنه من الضروري دمج وتصحيح البيانات المرصودة في التنبؤ بالموجات.

بالإضافة إلى ذلك، من حيث اختلاف الخطأ مع ارتفاع الموجة،من الواضح أن نتائج التنبؤ بالموجات الذكية باستخدام الذكاء الاصطناعي تكون أصغر عندما يكون ارتفاع الموجة الفعال أعلى من 4 أمتار.

من أجل تحسين مشكلة عدم التنبؤ بالظروف البحرية القوية الناجمة عن الأعاصير، قام فريق البحث باختيار حقول الرياح والأمواج لعمليات الأعاصير بعناية بالقرب من ساحل الصين من عام 2021 إلى عام 2023 لبناء عينات تعليمية. وأظهرت نتائج الدراسة أنإن زيادة عينات التعلم لعمليات الإعصار يمكن أن يؤدي إلى تحسين دقة التنبؤ للنموذج الذكي لعمليات الموجات الكبيرة. كلما كانت أمواج الإعصار أكبر، كلما كان التحسن في الدقة أكبر، وسيكون التنبؤ بمنطقة الأمواج الكبيرة بالقرب من مركز الإعصار أكثر سلاسة.

إنجازات مثمرة: التنبؤ بالموجات الذكية يبشر بعصر جديد

بالإضافة إلى ذلك، أخذ فريق البحث في الاعتبار خصائص حقول الأمواج في المحيط الهندي الجنوبي والشمالي التي تهيمن عليها موجات الرياح وأمواج التمدد على التوالي.تم تطوير نموذج ذكي للتنبؤ بالموجات يعتمد على شبكة القوة المقترنة بالحالة (SFCN).

يعتمد النموذج على بنية ذات فرعين، ويعالج حقول الرياح وحقول الأمواج من خلال فروع مختلفة، ويحقق اقترانًا فضفاضًا بين حقول الرياح وحقول الأمواج من خلال دلالات الشبكة عالية المستوى، وتجنب اقتران الرياح والموجات الخاطئ. وفي الوقت نفسه، فإنه يحل مشكلة أن شبكات الذاكرة الطويلة الأمد التلافيفية التقليدية لديها قدرات تنبؤ ضعيفة في المناطق ذات العلاقات الضعيفة بين الرياح والأمواج. تم استخدام ارتفاع الموجة الفعال على طول مسار القمر الصناعي HY-2B للتحقق. وأظهرت النتائج أن كفاءة حساب SFCN قد تحسنت بشكل كبير وكانت نتائج التنبؤ قريبة للغاية من التنبؤ العددي.

ومن الجدير بالذكر أن نظام التنبؤ الخفيف المحمول على متن السفينة والذي تم إنشاؤه بناءً على هذا النموذج قد تم استخدامه في بعثة جياولونغ العلمية في شمال غرب المحيط الهادئ عام 2023 ودعم التنبؤ على متن السفينة للبعثة العلمية الصينية الثالثة عشرة في القطب الشمالي، مما حقق الترويج التجاري والتطبيق.

ويقوم فريق البحث حاليًا باستكشاف نظام تنبؤ ذكي للموجات العالمية يعتمد على نماذج فائقة الدقة.تنمو كمية بيانات التدريب وقوة الحوسبة بشكل كبير مع زيادة الدقة، ولكن بسبب قيود ذاكرة بطاقة الرسوميات ووقت التدريب، من الصعب تدريب نموذج عالمي عالي الدقة بشكل مباشر. لذلك، يخطط فريق البحث للمضي قدمًا في خطوتين: أولاً، استخدام Swin Transformer لبناء نموذج عالمي بدقة خشنة وإجراء تعدين الميزات بدقة خشنة؛ ثانياً، بناء نموذج فائق الدقة لتكملة المعلومات التفصيلية وتحقيق نموذج عالي الدقة للتنبؤ بالموجات العالمية. وتظهر نتائج اختبار التنبؤ في الشكل أدناه:

وأخيرًا، ركز لي بنكسيا على تقديم تقنية التصحيح المتدحرج للتنبؤ بالموجات الرقمية استنادًا إلى التعلم الآلي الذي طوره الفريق.تقدم هذه التقنية تسلسل مراقبة القيمة الحقيقية، مما يتيح للشبكة العصبية الحصول على معلومات الفرق بين قيم التنبؤ التي حدثت بالفعل وملاحظات الموجة الفعلية. مع مرور الوقت، يمكن للشبكة العصبية تعديل قيم التوقعات المستقبلية بشكل تكيفي واستخدام تسلسل الملاحظة المتغيرة لإكمال تصحيح توقعات الموجة المتدحرجة. وهو مناسب بشكل خاص للتنبؤات بالموجات عالية الدقة في نقاط المراقبة الهندسية في الوقت الفعلي في الموقع (مثل مزارع الرياح البحرية).

باعتباره موضوعًا متعدد التخصصات ناشئًا، يجمع علم المحيطات بالذكاء الاصطناعي بين المعرفة والتقنيات من مجالات مثل علوم المحيطات والذكاء الاصطناعي وعلوم الغلاف الجوي وعلوم الكمبيوتر، ولديه آفاق تطوير واسعة. على الرغم من أن نموذج الذكاء الاصطناعي الحالي القائم على البيانات لا يزال يعتمد على النماذج الرقمية التقليدية، إلا أن تدريب النموذج والتنبؤ به يجب أن يعتمد على النماذج الرقمية ودقة نتائج النموذج الرقمي.ولكن في المستقبل، سوف يكون الجمع العضوي بين التنبؤ بالذكاء الاصطناعي والتنبؤ العددي التقليدي وسيلة فعالة لتحقيق اختراقات في تكنولوجيا التنبؤ.

نبذة عن لي بنكسيا

يشغل الدكتور لي بنكسيا حاليًا منصب مدير مكتب التنبؤ بالأمواج في المركز الوطني للتنبؤ بالبيئة البحرية. وهي تعمل في هيئة تحرير المجلات الصينية الأساسية "توقعات المحيط" و"حدود العلوم البحرية". وهي أيضًا محاضرة بدوام جزئي في درجة الماجستير في جامعة المحيط الصينية، وخبيرة مراجعة في مؤسسة العلوم الطبيعية الوطنية في الصين، وخبيرة مراجعة أطروحات في وزارة التعليم، وخبيرة في مسح مخاطر الكوارث البحرية الوطنية.

تشمل اهتماماتها البحثية التنبؤ الذكي بأمواج المحيط، ومحاكاة الأمواج العددية وتكنولوجيا الإنذار المبكر، وتقييم مخاطر الكوارث البحرية وتقسيم المناطق، والاستجابة لتغير المناخ.

ومن الجدير بالذكر أن لي بنكسيا كان في السابق نائب مدير اللجنة المهنية للتنبؤ والتحذير في جمعية علوم وتكنولوجيا السلامة العامة، وأشرف على إكمال أكثر من 10 مشاريع بحثية علمية على المستوى الوطني والإقليمي والوزاري، بما في ذلك مشاريع برامج البحث والتطوير الرئيسية الوطنية، ومشاريع البحث العلمي لصناعة الرفاهية العامة البحرية، ومشاريع التغير العالمي والتفاعل بين البحر والهواء. وباعتباره الشخص الرئيسي المسؤول، أكمل أعمال التنبؤ والضمان للعديد من المهام مثل المشاريع الوطنية الكبرى "توقعات البيئة البحرية والضمان لبناء مشروع نفق جزيرة جسر هونج كونج-تشوهاى-ماكاو"، و"توقعات وضمان قناة شنتشن-تشونغشان"، و"توقعات البيئة البحرية والضمان للتعدين التجريبي لهيدرات الميثان في بحر الصين الجنوبي". قام بتحرير وإصدار ثلاثة معايير وطنية، وثلاثة معايير صناعية، وثلاث براءات اختراع، وكتاب مترجم، ونشر أكثر من 20 ورقة أكاديمية في المجلات الأساسية في الداخل والخارج.