Un nuevo sistema de previsión advertirá a los barcos de las violentas olas gigantes en alta mar

Esta nueva herramienta utiliza la Inteligencia Artificial para predecir olas gigantes violentas (Rogue Waves) y avisar a los buques.

ongas gigantes, violentas y traicioneras, Rogue Waves, Freak Waves
Unas olas gigantes y traicioneras ("Rogue Waves" o "Freak Waves") aparecen de repente en el océano, con el doble de tamaño que las demás olas que las rodean.

Las llamadas 'olas gigantes rebeldes' en el océano, conocidas como 'Rogue Waves' en inglés, son olas anormalmente grandes, impredecibles y de aparición repentina que pueden resultar extremadamente peligrosas para los barcos, las infraestructuras marinas y otros equipos marítimos.

Las ' Rogue Waves ', también conocidas como ' Freak Waves ' en inglés, son olas gigantes y violentas en el océano que se producen de forma inesperada y peligrosa. También se les conoce como "ondas rebeldes".

Aún se está investigando cómo y cuándo se forman estas ondas, pero ya se conoce una posible causa. Pueden formarse debido a una interferencia constructiva, cuando varias ondas se mueven a diferentes velocidades y direcciones, superponiéndose unas a otras y reforzándose entre sí. Esto puede formar olas gigantes e imponentes.

En este sentido, previsiones fiables de estas olas gigantes pueden mitigar los riesgos para las operaciones en el mar. Así, dos científicos se unieron para desarrollar un sistema eficiente de predicción de estos fenómenos basado en mediciones de campo (datos de boyas) y con la ayuda de Inteligencia Artificial (IA). Los resultados de la investigación se publicaron recientemente en la revista Scientific Reports.

Previsión de peligrosas olas gigantes y traicioneras

Los investigadores, de la Universidad de Maryland, EE.UU., utilizaron inteligencia artificial y miles de puntos de datos de boyas para medir la elevación de la superficie del mar en tiempo real y proporcionar advertencias anticipadas sobre olas gigantes.

Esta nueva herramienta de previsión permitirá tomar precauciones e incluso cambios de ruta para las embarcaciones que corren el riesgo de verse afectadas por el fenómeno en alta mar.

Las 'ondas gigantes traicioneras' son más grandes que el doble del tamaño de las olas que los rodean, son muy impredecibles y a menudo provienen inesperadamente de diferentes direcciones.

¿Y cómo crearon los investigadores este sistema de predicción? Entrenaron una red neuronal basada en 14 millones de muestras de 30 segundos con mediciones de elevación de la superficie del mar de 172 boyas ubicadas frente a las costas de Estados Unidos y las islas del Pacífico. El objetivo era entrenar el sistema de IA para poder analizar qué ondas desencadenarían nuevas olas gigantes.

ondas gigantes, Rogue waves, Freak Waves
Un nuevo sistema de previsión fue capaz de identificar eventos violentos de olas gigantes (Rogue Waves) con un 75 por ciento de precisión. Crédito: Guy Edwardes/naturepl.com

En las pruebas, el nuevo sistema de pronóstico pudo identificar correctamente eventos de olas gigantes con una tasa de precisión del 75 %, lo que ya es positivo. Sin embargo, según el estudio, para un sistema operativo, esta precisión debe aumentarse aún más.

El nuevo sistema de previsión logró identificar eventos violentos de olas gigantes (' Rogue Waves ') con un 75% de precisión.

Además, la nueva herramienta puede volverse aún más precisa agregando más datos a los análisis, como velocidad del viento, profundidad del agua e información sobre la ubicación de las olas.

Los investigadores creen que estos resultados conducirán a sistemas de alerta temprana que podrían prevenir los peores efectos de los maremotos violentos. Balakumar Balachandran, uno de los autores, comentó que la red neuronal utilizada en el estudio también podría tener aplicaciones más amplias. "Nuestro enfoque basado en datos podría ser útil para comprender y predecir otros eventos extremos asociados", dijo.

Referencia de la noticia:

Breunung, T.; Balachandran, B. Prediction of freak waves from buoy measurements. Scientific Reports, v. 14, n. 16048, 2024.