Onderzoekers van Dalhousie en Ocean Data Analytics-innovatie-omgeving DeepSense hebben een machine learning-methode ontwikkeld voor het voorspellen van windsnelheid en golfhoogtemetingen. Dergelijke metingen ondersteunen een veilige en nauwkeurigere besluitvorming door de Halifax Port Authority en de Halifax Marine Pilots.

Resultaten gepubliceerd in de Tijdschrift voor oceaantechnologie demonstreren hoe het team gegevens van slimme boeien gebruikte om voorspellingen te doen voor gebruik tijdens perioden van gepland boei-onderhoud en/of spontane sensorstoringen. Deze voorspellingen zullen waardevol zijn voor de havengemeenschap bij het bieden van continuïteit van kritieke informatie die wordt gebruikt voor de veilige navigatie van schepen in de haven van Halifax en de veilige overdracht van Halifax Marine Pilots tussen loodsboten en commerciële schepen.

Het DeepSense/SmartAtlantic-project is een samenwerking tussen het Centre for Ocean Ventures and Entrepreneurship (COVE), Diep gevoel, de Halifax Port Authority (HPA) en de Canadian Marine Pilots' Association (CMPA).

Gebaseerd op de Faculteit Computerwetenschappen met financiering en ondersteuning van het Atlantic Canada Opportunities Agency (ACOA), de provincie Nova Scotia, het Ocean Frontier Institute (OFI) en IBM, DeepSense stimuleert groei in de oceaaneconomie door kunstmatige intelligentie, machine learning en big data toegepast onderzoek.

Voorspellingen doen

Geïnitieerd door COVE met partners bij de HPA en de CMPA, het project was bedoeld om een ​​zeer nauwkeurig extra niveau van redundantie te bieden voor de SmartAtlantic Herring Cove Buoy.

"Het Smart Buoy-platform herbergt verschillende oceaansensoren en genereert verfijnde voorspellingen die een cruciale hulpbron zijn geworden voor mariene gebruikers die de haven van Halifax binnenkomen, " zegt Melanie Nadeau, CEO van COVE. "Met de toevoeging van DeepSense en hun vermogen om gegevens te gebruiken die de afgelopen 7 jaar zijn verzameld, we hebben een weg voorwaarts om naadloze informatie aan de maritieme industrie te verstrekken."

Chris Whidden, universitair docent bij de Faculteit Informatica, leidde het onderzoeksteam dat bij het project was betrokken met steun van Master of Applied Computer Science student Jesuseyi Fasuyi.

"Het probleem is dat als er geen live sensorgegevens beschikbaar zijn van slimme boeien, we moeten gissen of het veilig is om piloten over te brengen naar grote schepen en cruiseschepen om ze naar de haven van Halifax te leiden, " zegt dr. Whidden.

"We hebben de belangrijkste voorspellende variabelen van windsnelheid en golfhoogte genomen, en gegevens met betrekking tot deze variabelen verzameld door andere slimme boeien en landstations, om na te denken over hoe we machine learning kunnen gebruiken om voorspellingen te doen rond deze activiteit voor de boei bij Herring Cove. Het is nieuw omdat niemand anders zulke voorspellingen lijkt te doen op basis van slechts een of twee vervangende sensoren."

Machine learning wordt vaak gebruikt om patronen in data te identificeren en dit te gebruiken om automatische voorspellingen of beslissingen te maken.

"Er zijn veel, veel verschillende machine learning-modellen en we moesten beslissen op welke we ons moesten concentreren, " legt Dr. Whidden uit. "We hebben er uiteindelijk drie bekeken:willekeurige bossen, ondersteuning van vectormachines en een neuraal netwerkmodel. Ze zijn een soort van voorbeelden voor deze taak. Dus willekeurige forests en ondersteunende vectormachines zijn meer oudere machine learning-modellen, die vaak heel goed werken, vooral in gevallen waarin u niet veel gegevens hebt. En dan zijn neurale netwerken een soort brood en boter van diep leren. Uiteindelijk, het random forest-model presteerde het beste met, gemiddeld, een fout van slechts 0,17 meter voor golfhoogten."

Toekomstige mogelijkheden

Onderzoekers begonnen aspecten zoals seizoensinvloeden en extreme weersomstandigheden te verkennen en de eerste bevindingen hebben toekomstige mogelijkheden voor het project geopend, waarbij het team nu vooruitkijkt naar fase twee met Master of Computer Science-student Amruth Kuppili, die seizoensvarianties beter wil begrijpen en de ontwikkeling van een raamwerk om een ​​toekomstig live data- en voorspellingsdashboard mogelijk te maken.

"De Slimme Boei, toen het voor het eerst werd ingezet op 7 november, 2013, maakte het mogelijk om de operationele veiligheid te verbeteren, veiligheid en efficiëntie zonder de bestaande infrastructuur te wijzigen, " zegt kapitein Adam Parsons, havenmeester voor de Halifax Port Authority. "Door het op zijn plaats te hebben, hebben we allemaal in de havengemeenschap - operators, verladers en zeepiloten - met waardevolle informatie waarop we zijn gaan vertrouwen. Het nemen van innovatieve stappen om die hiaten op te vullen in tijden van onderhoud of sensorproblemen, is iets dat we allemaal waarderen en verwelkomen."

Kapitein Andrew Rae, vice-president van de Atlantische Oceaan, Canadian Marine Pilots' Association en voorzitter, Joint Operating Committee van de Smart Atlantic Herring Cove Buoy, weerspiegelt dit optimisme over de effecten van het project.

"DeepSense's baanbrekende toepassing van machine learning om nauwkeurig twee van de met-oceaangegevenssets (windsnelheid en golfhoogten) te voorspellen die zijn verzameld door de SmartAtlantic 3 meter lange ODAS-boei die is afgemeerd in de buurt van Herring Cove, is een voorbeeld van de succesvolle samenwerking van toegepaste informatica aan een praktische veiligheidstoepassing. Het Joint Operating Committee van de SmartAtlantic Herring Cove Buoy kijkt uit naar de volgende fase van het project."