Li Benxia Du Centre National De Prévision De L'environnement Marin : Le Premier Système Intelligent De Prévision Des Vagues Du Pays a Été Mis En Service Commercial, Et L'ia a Contribué À Réaliser De Multiples Avancées Dans La Prévision Des Vagues.
Récemment, lors de la 20e conférence CCF HPC China 2024, le 6e Forum sur les prévisions numériques océaniques et le calcul haute performance s'est tenu avec succès. Lors de cette conférence,Li Benxia, directeur du Bureau de prévision des vagues du Centre national de prévision de l'environnement marin, a prononcé un discours sur le thème « Application de l'intelligence artificielle à la prévision des vagues ».HyperAI a compilé le contenu principal du discours sans violer l’intention initiale. Voici la transcription du discours.
L'IA aide la prévision intelligente des vagues à devenir l'une des tendances de développement de l'industrie
Mon pays est l’un des pays où les catastrophes liées aux vagues océaniques sont les plus graves au monde. La prévision des vagues océaniques joue un rôle indispensable dans le maintien de la sécurité des activités maritimes, la promotion du développement économique et la protection de l’environnement marin.Par exemple, en matière de sécurité maritime, les prévisions de vagues peuvent aider les pêcheurs à éviter les conditions de mer difficiles et à assurer la sécurité des opérations maritimes ; pour le tourisme côtier, les prévisions de vagues permettent d’avertir les touristes à l’avance et d’éviter les accidents dans les eaux dangereuses ; dans le domaine du développement des énergies marines, il constitue une référence importante pour la conception et la maintenance des installations éoliennes et marémotrices offshore.
Les prévisions des vagues en Chine ont commencé en 1965 et reposaient initialement principalement sur des prévisions statistiques empiriques. Plus tard, avec l'introduction de modèles de prévision numérique étrangers et le développement de nos propres modèles, nous avons progressivement établi un système de prévision numérique opérationnel couvrant les eaux côtières de la Chine, l'océan Pacifique occidental et les vagues des zones de baignade. De plus, les plateformes d’interaction homme-machine et les technologies de prévision des réseaux intelligents océaniques deviennent de plus en plus matures.
À en juger par le développement de la technologie de prévision, le modèle de prévision numérique des vagues océaniques reste le modèle dominant. Cependant, face aux catastrophes causées par les typhons dans les zones côtières, en raison de l'incertitude de la trajectoire du typhon, les prévisions de trajectoire et d'intensité du typhon doivent être mises à jour rapidement, ce qui nécessite que les prévisions de vagues soient capables de réagir rapidement à ces changements. Cependant, le modèle de prévision des vagues numériques doit passer par des processus tels que la correction manuelle de l'expérience, l'interaction entre la plate-forme homme-ordinateur et la sortie du produit, et ne peut pas répondre rapidement à la demande. De plus, son coût de calcul élevé constitue également une contrainte majeure.
Ces dernières années, avec les progrès continus de l’intelligence artificielle et de la technologie informatique, les prévisions intelligentes sont devenues de plus en plus matures. De plus, les prévisions numériques des vagues passées ont accumulé une grande quantité de données de formation, qui fournissent également un support de base important pour le développement de prévisions intelligentes des vagues.Dans ce cas, la prévision intelligente des vagues se distingue par ses caractéristiques de temps court, de simplicité, de commodité et de grande précision de prédiction.
Pratique de prévision intelligente des vagues : 72 à 96 heures de prévisions peuvent être réalisées en 1 minute
La technologie de prévision intelligente utilise principalement des méthodes d'apprentissage en profondeur pour simuler les processus de prévision d'expérience numérique et manuelle, puis établit un modèle de prévision intelligent pour les éléments d'onde et combine les technologies de cloud computing et d'edge computing pour créer un système de prévision léger et rapide.
La prévision intelligente des vagues peut sérialiser et paralléliser la sortie des résultats de prévision des vagues à différents moments. Similaire au modèle physique traditionnel, la séquence du champ de vent de T0-m à T0+n peut être directement utilisée pour prédire la séquence du champ d'ondes de T1 à T0+n.
Deuxièmement, la prévision intelligente des vagues peut utiliser de manière plus directe et plus efficace les informations d’observation. Par exemple, il peut intégrer des données d'observation telles que les données des bouées offshore chinoises et les données de télédétection des vagues par satellite dans le domaine de l'analyse numérique des vagues. Cette technologie de correction peut améliorer la précision du champ d’analyse utilisé pour la formation, améliorant ainsi les résultats de prévision.
Enfin, comparé au modèle de prévision numérique des vagues, la prévision intelligente des vagues peut réduire considérablement le temps de calcul, en réalisant une prévision de 72 à 96 heures en seulement 1 minute.
Correction des données d'entraînement pour améliorer la précision des prévisions de vagues
En ce qui concerne la création de produits intelligents de prévision des vagues, Li Benxia a mentionné que son équipe avait développé un ensemble de produits intelligents de prévision des vagues pour les eaux côtières de la Chine et le nord-ouest du Pacifique. Les données de formation utilisées sont présentées dans la figure ci-dessous.Les principales données utilisées comprennent les données de réanalyse atmosphérique de cinquième génération ERA5 publiées par le Centre européen pour les prévisions météorologiques à moyen terme (ECMWF), les données de réanalyse du climat mondial publiées par les National Centers for Environmental Prediction (NCEP) des États-Unis, les données de terrain d'analyse des vagues du Centre européen pour les prévisions météorologiques à moyen terme (ECMWF) et les données de terrain d'analyse des vagues développées indépendamment par le National Marine Environmental Forecast Center (NMEFC).
Il convient de noter que lors du développement des données d’entraînement des vagues, l’équipe a accordé une attention particulière au fait que lorsque la stratification atmosphérique est instable, l’apport d’énergie éolienne peut être considérablement plus faible.Nous avons développé de manière indépendante une méthode de correction de la hauteur effective des vagues en fonction de la différence de température de la mer, ce qui peut améliorer considérablement la précision de la simulation des vagues et résoudre le problème des prévisions de petites vagues dans les eaux peu profondes.
Plus précisément, les chercheurs ont sélectionné des dizaines de bouées d’observation des vagues opérationnelles offshore du nord au sud le long de la côte chinoise et ont intégré des données satellitaires de la région nord de l’océan Indien pour la correction.Les données d'observation sont fusionnées dans le champ d'analyse numérique des ondes grâce à une interpolation optimale.
Dans des applications spécifiques, les chercheurs ont également effectué une correction du champ de fusion sur des données présentant des écarts systématiques évidents dans la magnitude de l'océan n° 2C. Les résultats montrent queLe champ de fusion présente des améliorations évidentes en termes d'écart système, d'erreur quadratique moyenne, d'erreur relative et d'indice de dispersion sur toute la hauteur d'onde, présente des performances en temps réel élevées et peut améliorer la précision du champ du modèle numérique.
Le premier système opérationnel intelligent de prévision des vagues a été lancé et a passé avec succès l'examen des experts
Sur la base des données ci-dessus, l'équipe de Li Benxia a utilisé des méthodes d'apprentissage en profondeur telles que Vision Transformer pour développer un système intelligent de prévision des vagues pour les eaux côtières de la Chine et le nord-ouest du Pacifique.Il s’agit du premier système intelligent de prévision des vagues de mon pays mis en service commercial, et il a passé avec succès l’examen des experts en juin 2022.
Il convient de mentionner que Vision Transformer est une architecture de réseau neuronal spécialisée dans le traitement des données séquentielles. En tant que l’une des principales architectures d’apprentissage en profondeur actuelles, elle peut capturer les dépendances à longue distance et résoudre les difficultés rencontrées par les RNN traditionnels dans le traitement de longues séquences. Il peut également traiter tous les éléments d'une séquence simultanément, prenant ainsi en charge un calcul hautement parallèle.La vitesse de formation du modèle est considérablement accélérée.
Comme le montre la figure ci-dessous, dans la prévision de la période moyenne des vagues océaniques, du point de vue des caractéristiques de distribution spatiale,Cet ensemble de prévisions de vagues intelligentes basées sur l'IA est très cohérent avec les résultats des prévisions numériques de vagues opérationnelles de l'ECMWF européen.
En termes de variation de l'erreur en fonction du temps de prévision, la précision des prévisions intelligentes de l'IA des vagues est comparable à celle des prévisions numériques opérationnelles des vagues de l'ECMWF. Comme le montre la figure ci-dessous, la fusion des données observées pour corriger les données d’entraînement donne un meilleur effet de prédiction des vagues (ligne jaune).Cela montre qu’il est nécessaire de fusionner et de corriger les données observées dans la prédiction des vagues.
De plus, en termes de variation d'erreur avec la hauteur des vagues,Les résultats de prévision des vagues intelligentes de l'IA sont évidemment plus petits lorsque la hauteur effective des vagues est supérieure à 4 m.
Afin d'améliorer le problème de sous-prévision des fortes conditions de mer causées par les typhons, l'équipe de recherche a soigneusement sélectionné les champs de vent et de vagues des processus de typhon près des côtes chinoises de 2021 à 2023 pour construire des échantillons d'apprentissage. Les résultats de l’étude ont montré queL’augmentation des échantillons d’apprentissage des processus de typhon peut améliorer la précision des prévisions du modèle intelligent pour les processus de grandes vagues. Plus les vagues du typhon sont grandes, plus la précision s'améliore et la prévision de la grande zone de vagues près du centre du typhon sera plus fluide.
Des réalisations fructueuses : la prévision intelligente des vagues inaugure une nouvelle ère
De plus, l’équipe de recherche a pris en compte les caractéristiques des champs de vagues du sud et du nord de l’océan Indien, dominés respectivement par les vagues de vent et les vagues de houle.Un modèle intelligent de prévision des vagues basé sur le State Force Coupled Network (SFCN) a été développé.
Le modèle adopte une structure à double branche, traite les champs de vent et les champs d'ondes via différentes branches et réalise un couplage lâche des champs de vent et des champs d'ondes via une sémantique de réseau de haut niveau, évitant ainsi un faux couplage vent-onde. En même temps, cela résout le problème selon lequel les réseaux de mémoire à long terme convolutionnels traditionnels ont de faibles capacités de prévision dans les zones où les relations vent-vague sont faibles. La hauteur effective des vagues le long de la trajectoire du satellite HY-2B a été utilisée pour la vérification. Les résultats ont montré que l’efficacité du calcul du SFCN était grandement améliorée et que les résultats de prédiction étaient très proches de la prédiction numérique.
Il convient de noter que le système de prévision léger embarqué établi sur la base de ce modèle a été utilisé lors de l'expédition scientifique Jiaolong dans le Pacifique Nord-Ouest de 2023 et dans le soutien aux prévisions embarquées de la 13e expédition scientifique chinoise dans l'Arctique, réalisant une promotion et une application commerciales.
Actuellement, l’équipe de recherche explore un système mondial de prévision intelligente des vagues basé sur des modèles de super-résolution.La quantité de données d'entraînement et la puissance de calcul augmentent de manière exponentielle avec l'augmentation de la précision, mais en raison des limitations de la mémoire de la carte graphique et du temps d'entraînement, il est difficile d'entraîner directement un modèle global à haute résolution. L’équipe de recherche prévoit donc de procéder en deux étapes : premièrement, utiliser Swin Transformer pour construire un modèle global à résolution grossière et effectuer une exploration de caractéristiques à résolution grossière ; deuxièmement, construire un modèle de super-résolution pour compléter les informations détaillées et réaliser un modèle de prévision des vagues mondiales à haute résolution. Les résultats des tests de prévision sont présentés dans la figure ci-dessous :
Enfin, Li Benxia s'est concentré sur l'introduction de la technologie de correction continue pour la prévision numérique des vagues basée sur l'apprentissage automatique développé par l'équipe.Cette technologie introduit une séquence d'observation de valeur réelle, qui permet au réseau neuronal d'obtenir les informations de différence entre les valeurs prévues qui se sont déjà produites et les observations réelles des vagues. Au fil du temps, le réseau neuronal peut ajuster de manière adaptative les valeurs des prévisions futures et utiliser la séquence d'observation changeante pour compléter la correction des prévisions de vagues roulantes. Il est particulièrement adapté aux prévisions de vagues de haute précision sur des points d'observation en temps réel sur site (tels que les parcs éoliens offshore).
En tant que matière interdisciplinaire émergente, l’océanographie par intelligence artificielle combine les connaissances et les technologies de domaines tels que les sciences océaniques, l’intelligence artificielle, les sciences atmosphériques et l’informatique, et offre de larges perspectives de développement. Bien que le modèle actuel d’IA basé sur les données repose toujours sur des modèles numériques traditionnels, la formation et la prédiction du modèle doivent être basées sur des modèles numériques et sur la précision des résultats du modèle numérique.Mais à l’avenir, la combinaison organique des prévisions de l’IA et des prévisions numériques traditionnelles sera un moyen efficace de réaliser des percées dans la technologie de prévision.
À propos de Li Benxia
Le Dr Li Benxia est actuellement directeur du Bureau de prévision des vagues du Centre national de prévision de l’environnement marin. Elle fait partie du comité de rédaction des principales revues chinoises « Ocean Forecast » et « Frontiers of Marine Science ». Elle est également tutrice de master à temps partiel à l'Université océanique de Chine, experte en révision à la Fondation nationale des sciences naturelles de Chine, experte en révision de thèse au ministère de l'Éducation et experte nationale en enquête sur les risques de catastrophes marines.
Ses domaines de recherche comprennent la prévision intelligente des vagues océaniques, la simulation numérique des vagues et la technologie d’alerte précoce, l’évaluation et le zonage des risques de catastrophes marines et la réponse au changement climatique.
Il convient de noter que Li Benxia était autrefois directeur adjoint du Comité de travail professionnel de prévision et d'alerte de la Société des sciences et technologies de la sécurité publique et a présidé à l'achèvement de plus de 10 projets de recherche scientifique nationaux, provinciaux et ministériels, y compris des projets de programmes nationaux clés de R&D, des projets de recherche scientifique sur l'industrie du bien-être public maritime, des projets sur le changement global et l'interaction mer-air. En tant que principal responsable, il a réalisé les travaux de prévision et de garantie pour de nombreuses tâches telles que les grands projets nationaux « Prévisions et garanties de l'environnement marin pour la construction du projet de tunnel de l'île du pont Hong Kong-Zhuhai-Macao », « Prévisions et garanties pour le canal Shenzhen-Zhongshan » et « Prévisions et garanties de l'environnement marin pour l'exploitation expérimentale d'hydrate de méthane en mer de Chine méridionale ». Il a édité et publié trois normes nationales, trois normes industrielles, trois brevets d’invention, un livre traduit et publié plus de 20 articles universitaires dans des revues de référence au pays et à l’étranger.