Wetenschap
Een afbeelding van stormvloedmodellen van orkaan Ida ontwikkeld met behulp van het ADCIRC Surge Guidance System (ASGS). Credit:Coastal Emergency Risks Assessment (CERA)
Meer dan de helft van de Amerikaanse bevolking woont in provincies of parochies aan de kust. Kustgemeenschappen langs de Golf van Mexico behoren tot de dichtstbevolkte - ook een regio waar hoge concentraties van energiebronnen het tot een nationaal knooppunt hebben gemaakt voor veel grootschalige opslagfaciliteiten voor koolstof om af te vangen.
De nabijheid van de oceaan van zowel lokale gemeenschappen als energie-infrastructuren maken beide extreem kwetsbaar voor de verwoesting die kan worden veroorzaakt door overstromingen en windschade door zware weersomstandigheden in de Golf, die met elk orkaanseizoen zowel in frequentie als in intensiteit toenemen.
Clint Dawson, een professor in het Department of Aerospace Engineering and Engineering Mechanics (ASE/EM) en directeur van de Computational Hydraulics Group aan het Oden Institute for Computational Engineering and Sciences aan de UT Austin, werkt eraan om voorspellingen van stormvloeden voor orkanen nauwkeuriger dan ooit te maken. Dankzij een nieuwe subsidie van het Department of Energy (DOE), Dawson zal een interdisciplinair onderzoeksproject leiden om een computationeel "digital twin" -raamwerk te ontwikkelen dat de kloof overbrugt tussen multi-fysica-simulaties en kennisontdekking door middel van kunstmatige intelligentie (AI) en machine learning (ML) -technologieën, genaamd MuSiKAL.
Simpel gezegd, een digitale tweeling is een virtuele weergave van een object of systeem die de hele levenscyclus beslaat door middel van regelmatige realtime gegevensupdates die worden geleverd door sensoren die over het object of systeem zijn verspreid. Met behulp van simulaties, machine learning en andere besluitvormingstechnologieën, digitale tweelingen kunnen toekomstige prestaties en gedrag helpen voorspellen.
Dawsons team modelleert al twintig jaar voorspellingen van stormvloeden, van orkaan Katrina, Rita, Ike en Harvey naar de grootste storm van dit seizoen tot nu toe, Orkaan Ida. En de stormvloedexpert zal u als eerste vertellen dat elk zijn eigen set unieke kenmerken heeft. Maar er kunnen nog steeds lessen worden getrokken uit elk die toekomstige reacties kunnen informeren.
Wanneer momenteel een orkaanmodel draait, metingen worden verzameld op zeer discrete plaatsen - langs de kustlijn en in de oceaan, bijvoorbeeld, maar deze punten vertegenwoordigen niet elk punt in elke regio die mogelijk wordt beïnvloed.
"We hebben een model nodig dat aanvullende informatie biedt. Als we die gegevens beschikbaar hebben om te gebruiken, het kan de modellen die we momenteel gebruiken beter informeren, " zei Dawson. "En dan kunnen we teruggaan en de modellen vergelijken met de gegevens voor een nauwkeuriger beeld."
Er zijn al digitale tweelingen ontwikkeld voor verschillende situaties, van modern vliegtuigontwerp tot systemen die helpen bij het beheer van hele steden. In de context van modellering van extreem weer, de tech kan nog snellere voorspellingen van stormgedrag in realtime mogelijk maken door kennis over eerdere stormen te combineren met behulp van AI en ML.
"Deze modellen zijn erg complex en het kan uren duren om ze op een supercomputer te simuleren. Als we machine learning kunnen gebruiken op basis van gegevens die zijn verzameld van eerdere orkanen die erg op elkaar lijken, dan kunnen we misschien snellere voorspellingen doen in realtime, ' zei Dawson.
Via het Advanced Scientific Computing Research (ASCR) -programma ondersteunt de DOE een samenwerkend team van experimentele en computationele wetenschappers van de Universiteit van Texas in Austin, Staatsuniversiteit van Louisiana, de Universiteit van Notre Dame en het Pacific Northwest National Laboratory. Ze zullen worden geleid door Dawson samen met collega ASE / EM-professor en kernfaculteitslid van het Oden Institute, Tan Bui Thanh.
Andere deelnemende UT-experts zijn Bridget Scanlon en Alexander Sun van het Bureau of Economic Geology van de UT en Dev Niyogi en Zong-Liang Yang van de Jackson School of Geosciences.
De DOE investeert de laatste tijd in de ontwikkeling van aardsysteemmodellen voor klimaatonderzoek. Dawson zei dat hij ernaar uitkijkt om te werken aan onderzoek dat direct verband houdt met klimaatvoorspellingen.
"Ik denk dat dit een baanbrekend project wordt, en sluit goed aan bij de expertise die we al 20 jaar opbouwen, "Zei Dawson. "Verbinding maken met het ministerie van Energie om projecties op langere schaal te ontwikkelen van wat er gaat gebeuren met de energiesector en de samenleving als geheel vanwege het toekomstige klimaat is erg opwindend."
Het fonds van het Department of Energy voor Integrated Computational and Data Infrastructure for Science Research zal in totaal $ 5,2 miljoen aan het project verstrekken, waarbij UT Austin $ 3 miljoen ontvangt.
Wetenschap © https://nl.scienceaq.com