一种新的机器学习模型可以做出更准确的预测比如洋流，它可以帮助追踪塑料污染和石油泄漏，并有助于搜索和救援。
为了研究洋流，科学家们在海洋中释放带有gps标签的浮标，并记录它们的速度，以重建运送它们的洋流。这些浮标数据也被用来识别“辐散点”，即海水从水面以下上升或下沉的区域。
通过准确预测洋流和精确定位分歧，科学家可以更精确地预测天气，估计漏油后石油将如何扩散，或测量海洋中的能量转移。一项新的研究报告称，一种结合机器学习的新模型比传统模型做出的预测更准确。
一个由麻省理工学院计算机科学家和海洋学家组成的多学科研究小组发现，通常用于浮标数据的标准统计模型很难准确地重建洋流或识别分歧，因为它对水的行为做出了不切实际的假设。
研究人员开发了一种新的模型，该模型结合了流体动力学的知识，以更好地反映洋流中的物理现象。他们表明，他们的方法只需要少量额外的计算费用，在预测电流和识别分歧方面比传统模型更准确。
这个新模型可以帮助海洋学家根据浮标数据做出更准确的估计，这将使他们能够更有效地监测海洋中生物质(如马尾藻)、碳、塑料、石油和营养物质的运输。这些信息对于了解和跟踪气候变化也很重要。
“我们的方法更恰当、更准确地捕捉了物理假设。在这种情况下，我们已经知道了很多物理原理。我们给模型提供了一些信息，这样它就可以专注于学习对我们来说重要的东西，比如远离浮标的水流是什么，或者这种散度是什么，它在哪里发生?资深作者Tamara Broderick说，她是麻省理工学院电气工程与计算机科学系(EECS)的副教授，也是信息与决策系统实验室和数据、系统与社会研究所的成员。
Broderick的合著者包括主要作者Renato Berlinghieri，一名电子工程和计算机科学研究生;哥伦比亚大学博士后Brian L. Trippe;David R. Burt和Ryan Giordano，麻省理工学院博士后;加州大学洛杉矶分校大气与海洋科学助理研究员考什克·斯里尼瓦桑(Kaushik Srinivasan);Tamay ?zg?kmen，迈阿密大学海洋科学系教授;以及迈阿密大学的研究生夏俊飞。这项研究将在国际机器学习会议上发表。
深入研究数据
海洋学家使用浮标速度的数据来预测洋流，并识别海水上升到表面或下沉更深的“分歧”。
为了估计洋流和发现分歧，海洋学家使用了一种被称为高斯过程的机器学习技术，即使在数据稀疏的情况下也能做出预测。为了在这种情况下很好地工作，高斯过程必须对数据进行假设以生成预测。
将高斯过程应用于海洋数据的一种标准方法是假设洋流的纬度和经度分量是不相关的。但这种假设在物理上并不准确。例如，现有的模型表明，电流的散度和涡度(流体的旋转运动)在相同的大小和长度尺度上运行。布罗德里克说，海洋科学家知道这不是真的。之前的模型还假设参照系很重要，这意味着流体在纬度和经度方向上的行为会有所不同。
她说:“我们认为我们可以用一个结合物理的模型来解决这些问题。”
他们建立了一个新的模型，使用赫姆霍兹分解来准确地代表流体动力学的原理。这种方法通过将洋流分解成涡度分量(捕捉旋转运动)和散度分量(捕捉水的上升或下沉)来模拟洋流。
通过这种方式，他们为模型提供了一些基本的物理知识，使其能够做出更准确的预测。
这个新模型使用与旧模型相同的数据。虽然他们的方法可能需要更多的计算量，但研究人员表示，额外的成本相对较小。
活跃的表现
他们使用合成的和真实的海洋浮标数据来评估新模型。由于合成数据是由研究人员捏造的，他们可以将模型的预测与地面真实电流和分歧进行比较。但模拟涉及的假设可能无法反映现实生活，因此研究人员还使用墨西哥湾释放的真实浮标捕获的数据来测试他们的模型。
在每种情况下，与标准高斯过程和另一种使用神经网络的机器学习方法相比，他们的方法在预测电流和识别分歧这两项任务上都表现出了卓越的性能。例如，在一个包含与洋流相邻的漩涡的模拟中，新方法正确地预测了没有散度，而之前的高斯过程方法和神经网络方法都以非常高的置信度预测了散度。
布罗德里克补充说，这项技术还能很好地从一小组浮标中识别漩涡。
现在他们已经证明了使用亥姆霍兹分解的有效性，研究人员想在他们的模型中加入一个时间元素，因为电流会随着时间和空间而变化。此外，他们还想更好地捕捉噪音对数据的影响，比如有时会影响浮标速度的风。将噪声从数据中分离出来可以使他们的方法更加准确。
她说:“我们的希望是从浮标上观察到的嘈杂的速度场，然后说什么是实际的散度和实际的涡度，并预测这些浮标之外的情况，我们认为我们的新技术将对此有所帮助。”
布里格姆妇女医院的副生物统计学家、哈佛医学院的讲师Massimiliano Russo说:“作者巧妙地将流体动力学中的已知行为整合到一个灵活的模型中，以模拟洋流。”他没有参与这项工作。“由此产生的方法保留了对电流非线性建模的灵活性，但也可以表征诸如漩涡和连接电流等现象，这些现象只有在流体动力学结构集成到模型中时才会被注意到。这是一个很好的例子，说明一个灵活的模型可以通过深思熟虑和科学合理的规范得到很大的改进。”
参考资料:“高斯过程在赫尔姆(霍尔兹):一个更流体模型的洋流”，由Renato Berlinghieri, Brian L. Trippe, David R. Burt, Ryan Giordano, Kaushik Srinivasan, Tamay ?zg?kmen，夏俊飞和Tamara Broderick, 2023年2月20日，统计>方法论。arXiv: 2302.10364
这项研究得到了海军研究办公室、国家科学基金会(NSF)职业奖和迈阿密大学罗森斯蒂尔海洋、大气和地球科学学院的部分支持。
的90%的投标都没有成功。”
