Significant Wave Height Prediction and Harbour Entry Risk Index (HERI) in the Sunda Strait using ERA5-Based Deep Learning to Support Merak- Bakauheni Ferry Operations
Deze studie ontwikkelt een op CNN-LSTM en BiLSTM gebaseerd deep learning-framework met behulp van ERA5-data om de significante golfhoogte in de Straat van Soenda te voorspellen en introduceert een nieuwe Harbour Entry Risk Index (HERI) die traditionele golfhoogtedrempels aanzienlijk overtreft bij het detecteren van aanmericaliteiten, waardoor effectieve waarschuwingen van 6–12 uur voor de Merak-Bakauheni veerbootoperaties mogelijk worden gemaakt.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Elk jaar reizen miljoenen mensen in Indonesië over de Straat Soenda, de smalle waterweg die de eilanden Java en Sumatra van elkaar scheidt. Deze route is de drukste veerbootverbinding van het land en dient als een vitale ader voor passagiers, voertuigen en essentiële goederen. Tijdens de enorme jaarlijkse feestdag die bekend staat als Lebaran, zwelt het aantal reizigers aan tot bijna zes miljoen, wat een logistieke uitdaging creëert die het land zijn nationale barometer voor soepel reizen noemt. Voor de veerbootexploitanten is veiligheid van cruciaal belang, maar de oceaan is onvoorspelbaar. Het primaire gevaar komt van de golven. Huidige regelgeving schrijft voor dat veerboten moeten stoppen met oversteken als de significante golfhoogte — de gemiddelde hoogte van het hoogste derde deel van de golven — 2,5 meter bereikt. Echter, deze eenvoudige regel heeft een blinde vlek. Het gaat ervan uit dat de hoogte van de golf het enige is dat ertoe doet, waarbij wordt genegeerd hoe de golf beweegt, hoe lang het duurt voordat deze voorbij is, en de richting van waaruit deze het schip raakt. Een golf die niet bijzonder hoog is, kan nog steeds dodelijk zijn als deze de veerboot onder de verkeerde hoek raakt of als het ritme overeenkomt met de natuurlijke wiegbeweging van het vaartuig, waardoor het gevaarlijk begint te rollen.
Om dit probleem op te lossen, zetten een team van onderzoekers zich in om een slimmere manier te creëren om gevaar in de Straat Soenda te voorspellen. Ze richtten zich op het specifieke stuk water tussen de havens van Merak en Bakauheni, waar het water diep is en de stromingen complex zijn. In plaats van te vertrouwen op één enkel getal om te beslissen of het veilig is om te varen, ontwikkelden ze een nieuwe tool genaamd de Harbour Entry Risk Index. Deze index werkt als een uitgebreide gezondheidscontrole voor de zee, waarbij drie verschillende factoren worden gecombineerd: de hoogte van de golven, de timing van de golven ten opzichte van de natuurlijke wiegsnelheid van het schip, en de richting van waaruit de golven komen. Om deze tool te laten werken, moesten de onderzoekers weten wat de golven uren van tevoren zouden doen. Ze wenden zich tot kunstmatige intelligentie, specifelijk een type computerleren dat ontworpen is om patronen in tijdgebonden gegevens te herkennen. Ze trainden verschillende computer modellen op veertien jaar aan historische oceaangegevens, waarbij ze de modellen leerden om naar windsnelheid, druk en eerder golfgedrag te kijken om te voorspellen hoe de golven er zes, twaalf en vierentwintig uur in de toekomst uit zouden zien.
De onderzoekers testten vijf verschillende soorten computermodellen om te zien welk model de golven het meest nauwkeurig kon voorspellen. Ze ontdekten dat een hybride model, dat de mogelijkheid combineerde om lokale patronen te herkennen met het vermogen om lange sequenties te onthouden, het beste presteerde voor kortetermijnvoorspellingen. Dit model kon de golfhoogte zes uur van tevoren voorspellen met opmerkelijke precisie, met fouten van minder dan zes centimeter. Voor langere voorspellingen, tot een volle dag vooruit, bleek een ander type model dat informatie in zowel voorwaartse als achterwaartse richtingen verwerkt, iets betrouwbaarder. Deze computermodellen waren veel superieur aan een eenvoudige methode die ervan uitgaat dat de golven precies hetzelfde zullen blijven als ze nu zijn. De belangrijkste doorbraak was echter niet alleen het voorspellen van de hoogte, maar ook hoe die voorspelling werd gebruikt. Wanneer de onderzoekers hun nieuwe risico-index toepasten op de historische gegevens, ontdekten ze een kritiek gebrek in de oude veiligheidsregels. De enkele drempelwaarde van 2,5 meter activeerde tijdens de gehele veertienjarige studieperiode nooit een waarschuwing bij de hoofdveerbootroute, ook al waren de omstandigheden op de oceaan vaak ruig. Sterker nog, de hoogste geregistreerde golven op die specifieke locatie overschreden nooit de 2,4 meter.
Deze bevinding onthulde dat de oude regel er niet in slaagde om echt gevaar te detecteren. De onderzoekers testten hun nieuwe risico-index vervolgens tegen een verslag van zes daadwerkelijke aanmeerincidenten die plaatsvonden bij de haven van Merak tussen 2020 en 2024. Onder het oude systeem zou de veiligheidsdrempel voor al deze zes gevaarlijke gebeurtenissen stil zijn gebleven, omdat de golven technisch gezien onder de limiet van 2,5 meter lagen. In tegenstelling hiertoe identificeerde de nieuwe risico-index alle zes de incidenten correct als gevaarlijk. Dit deed het door te herkennen dat de combinatie van matige golfhoogtes, specifieke golfperioden die overeenkwamen met het wiegbewegingsritme van de veerboot, en golven die het schip frontaal raakten, een gevaarlijke situatie creëerde die een eenvoudige hoogtemeting zou missen. De index toonde ook een duidelijk seizoenspatroon aan, waarbij het hoogste risico optrad tijdens de moessonmaanden december en januari, wat perfect overeenkomt met de historische gegevens van wanneer de ongelukken daadwerkelijk plaatsvonden.
De studie toonde verder aan dat dit systeem een betrouwbare vroege waarschuwing kon bieden. Door gebruik te maken van de beste computermodellen, kon het systeem gevaarlijke omstandigheden zes tot twaalf uur voordat ze arriveerden voorspellen. Deze voorlooptijd is cruciaal voor veerbootexploitanten, omdat het hen genoeg tijd geeft om schema's aan te passen of vertrek te vertragen voordat er lange rijen voertuigen op de wegen naar de haven ontstaan. Het systeem was ontworpen om voorzichtig te zijn; wanneer het een fout maakte, onderschatte het het gevaar bijna altijd licht in plaats van het te overschatten, waardoor gegarandeerd werd dat een werkelijk gevaarlijk uur nooit volledig gemist werd. Hoewel de onderzoekers opmerkten dat hun werk steunde op historische gegevens en dat toekomstige verbeteringen realtime sensoren en gedetailleerdere kaarten van de haven konden omvatten, bieden de resultaten een krachtige nieuwe manier om de veiligheid te beheren. Door verder te gaan dan een enkel getal en een completer beeld van het gedrag van de oceaan te omarmen, biedt deze aanpak een praktische, op gegevens gebaseerde fundering voor het veilig houden van de miljoenen reizigers in de Straat Soenda.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.