船只和海上平臺(tái)要承受多年連續(xù)不斷的波浪和洋流沖刷，在數(shù)十年的運(yùn)作后，這些海上設(shè)施如果在沒有任何預(yù)警的情況下，迎面遭遇流氓巨浪、反常風(fēng)暴或其他極端事件，很可能出現(xiàn)極端后果。

針對這一隱患，麻省理工學(xué)院(MIT)研究人員開發(fā)了一種機(jī)器學(xué)習(xí)算法，用來快速確定復(fù)雜系統(tǒng)中可能發(fā)生的極端事件的類型。海洋就是一種復(fù)雜系統(tǒng)，在海洋環(huán)境中，不同大小、不同長度和不同高度的波浪會(huì)對船舶或海上平臺(tái)造成壓力。研究人員可以用算法模擬大浪等極端事件可能在特定結(jié)構(gòu)上產(chǎn)生的力和應(yīng)力。

與傳統(tǒng)方法相比，該團(tuán)隊(duì)的技術(shù)不僅考慮了現(xiàn)象的統(tǒng)計(jì)性質(zhì)，還考慮了某些動(dòng)態(tài)的潛在可能，為那些可能在某個(gè)時(shí)刻出現(xiàn)極端事件的系統(tǒng)提供了更快、更準(zhǔn)確的風(fēng)險(xiǎn)評(píng)估。

MIT機(jī)械與海洋工程副教授薩普希(Themistoklis Sapsis)表示:“通過我們的方法，你可以從最初設(shè)計(jì)階段就開始評(píng)估一個(gè)結(jié)構(gòu)，在面對能夠撞擊到這個(gè)結(jié)構(gòu)的整體波浪群——而非某個(gè)大浪——時(shí)會(huì)如何表現(xiàn)。你可以設(shè)計(jì)更好的結(jié)構(gòu)，這樣就不用擔(dān)心有超過限度的結(jié)構(gòu)問題或壓力。”

薩普希表示，這項(xiàng)技術(shù)不僅適用于船舶和海洋平臺(tái)，還適用于任何易受極端事件影響的復(fù)雜系統(tǒng)。例如，該方法可用于確定可能在城市中造成嚴(yán)重洪水的風(fēng)暴類型，以及洪水可能發(fā)生的地點(diǎn)。它還可以用來估計(jì)可能導(dǎo)致停電的電力過載事件類型，以及城市電網(wǎng)發(fā)生停電的地點(diǎn)。

薩普希和他帶過的研究生、現(xiàn)紐約大學(xué)Courant數(shù)學(xué)科學(xué)研究所的助理研究員穆罕默德(Mustafa Mohamad)本周將在《美國國家科學(xué)院院刊》上發(fā)表他們的研究結(jié)果。

捷徑不通

工程師們一般是通過密集的模擬來衡量結(jié)構(gòu)對極端事件的耐久性，例如，對來自特定方向、具有一定高度、長度和速度的波浪進(jìn)行建模。這些模擬非常復(fù)雜，因?yàn)樗鼈儾粌H要模擬某種波浪，還要模擬它與結(jié)構(gòu)之間連續(xù)不斷的相互影響。通過模擬整個(gè)“波場”，當(dāng)一個(gè)特定的波浪撲來時(shí)，工程師就可以估計(jì)結(jié)構(gòu)如何被其震動(dòng)和推動(dòng)，以及由此產(chǎn)生的力和應(yīng)力可能造成的破壞。

這些風(fēng)險(xiǎn)評(píng)估模型可以達(dá)到非常高的精度，在理想情況下甚至可以預(yù)測結(jié)構(gòu)對每種可能波動(dòng)類型的反應(yīng)，無論極端與否。但是，這樣的精度要建立在工程師們模擬了數(shù)百萬次波浪，獲得足夠的高度、長度和尺度等參數(shù)的前提下，這個(gè)過程可能需要花上好幾個(gè)月的時(shí)間。

“這是一個(gè)極其昂貴的問題，”薩普希說，“要模擬一種可能發(fā)生在100秒以上的波浪，需要一個(gè)非?？斓默F(xiàn)代圖形處理器單元，花費(fèi)大約24小時(shí)計(jì)算。而我們感興趣的是了解100年后極端事件發(fā)生的概率?！?/p>

因此，在通常情況下，工程師們在使用模擬器模擬一些場景時(shí)，只會(huì)選擇性地模擬一些他們認(rèn)為可能造成最大破壞的隨機(jī)波浪類型。如果一種結(jié)構(gòu)設(shè)計(jì)能夠在這些極端的、隨機(jī)產(chǎn)生的波浪中幸存下來，工程師們就會(huì)認(rèn)為這種設(shè)計(jì)能夠抵抗海洋中類似的極端事件。

但薩普希稱，在選擇隨機(jī)波浪進(jìn)行模擬時(shí)，工程師們可能會(huì)忽略其他不太明顯的情況，比如中等大小波浪的組合，或者一個(gè)具有一定斜率的波浪可能發(fā)展成破壞性的極端事件。薩普希說:“我們已經(jīng)想到方法，可以拋棄這種隨機(jī)抽樣邏輯了?！?/p>

更快的學(xué)習(xí)者

薩普希和穆罕默德開發(fā)的機(jī)器學(xué)習(xí)算法，首先是教會(huì)機(jī)器如何快速識(shí)別出這種模擬的“最重要的”或“信息最豐富的”波浪，而不是通過計(jì)算密集的模擬來運(yùn)行數(shù)百萬波或甚至幾個(gè)隨機(jī)選擇的波。

該算法基于這樣一種想法，即每個(gè)波浪都有一定的概率對結(jié)構(gòu)上的極端后果起到推動(dòng)作用。概率本身具有一定的不確定性或誤差，因?yàn)樗砹藦?fù)雜動(dòng)力系統(tǒng)的影響。此外，有些肯定波浪比其他波浪會(huì)更容易導(dǎo)致極端事件。

隨著算法的成型，研究人員只要輸入各種類型的波浪及其物理特性，以及其理論上對近海平臺(tái)的影響，就能得到相應(yīng)結(jié)果。從研究人員插入算法的已知波浪中，它基本上可以“學(xué)習(xí)”并粗略估計(jì)平臺(tái)對任何未知波浪的反應(yīng)。通過這個(gè)步驟，算法學(xué)習(xí)了離岸設(shè)備在所有可能的波浪中的變化。然后它就能自己識(shí)別一種特定的波浪，并最大程度減少極端事件發(fā)生的概率誤差。這種算法考慮到了系統(tǒng)的動(dòng)態(tài)行為，超越了純粹的統(tǒng)計(jì)方法。

研究人員在一個(gè)理論場景中測試了這一算法，該場景包括一個(gè)簡化的、會(huì)受到到波浪影響的海洋平臺(tái)。研究小組首先在機(jī)器學(xué)習(xí)算法中加入了4種典型波浪，及其對海上平臺(tái)已知的影響。在此基礎(chǔ)上，該算法快速識(shí)別出具有高發(fā)生概率的新波浪維數(shù)，最大限度降低極端事件發(fā)生的概率誤差。

隨后，團(tuán)隊(duì)將這類波浪加入更密集、開源的模擬情況中，以模擬簡化離岸平臺(tái)的反映。他們將第一次模擬的結(jié)果反饋給算法，使其確定下一個(gè)最有可能的模擬波浪，并重復(fù)整個(gè)過程。該小組總共在幾天內(nèi)進(jìn)行了16次模擬，以模擬一個(gè)平臺(tái)在各種極端事件下的行為。相比之下，研究人員使用傳統(tǒng)方法進(jìn)行模擬時(shí)，只能盲目地模擬盡可能多的波，并且要等幾個(gè)月、運(yùn)行數(shù)千個(gè)場景后才能得出類似的統(tǒng)計(jì)結(jié)果。

薩普希表示，結(jié)果充分證明，新方法能迅速鎖定極端事件最可能發(fā)生的原因和機(jī)制，為設(shè)計(jì)師們提供了更真實(shí)現(xiàn)實(shí)場景模擬。除了海上平臺(tái)，這還能用在電網(wǎng)上和容易發(fā)生洪澇的地區(qū)。

他認(rèn)為：“這種方法為基于極端事件統(tǒng)計(jì)的復(fù)雜系統(tǒng)風(fēng)險(xiǎn)評(píng)估、設(shè)計(jì)和優(yōu)化鋪平了道路，而這是在沒有嚴(yán)格簡化的情況下從未考慮過或做過的事情。我們現(xiàn)在可以說，利用這種方法，你可以根據(jù)極端事件的風(fēng)險(xiǎn)標(biāo)準(zhǔn)來理解和優(yōu)化你的系統(tǒng)?！?/p>