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
本研究利用 ERA5 数据开发了一种基于 CNN-LSTM 和 BiLSTM 的深度学习框架，用于预测巽他海峡的有效波高，并引入了一种新型的港口入场风险指数（HERI），该指数在检测靠泊风险方面显著优于传统的波高阈值，从而为梅拉克-巴考黑尼渡轮运营提供有效的 6-12 小时预警。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
每年，都有数百万人通过巽他海峡（Sunda Strait）在印尼进行旅行，这条狭窄的水域分隔了爪哇岛和苏门答腊岛。这条航线是该国最繁忙的渡轮航线，是运送乘客、车辆和必需品的生命动脉。在被称为“开斋节”（Lebaran）的大规模年度假期期间，旅客人数会激增至近六百万人，造成了一项被该国称为衡量交通顺畅程度“国家晴雨表”的物流挑战。对于渡轮运营商而言，安全至上，但海洋是难以预测的。主要的危险来自于波浪。现行规定要求，如果有效波高（即最高三分之一波浪的平均高度）达到2.5米，渡轮必须停止航行。然而，这一简单的规则存在一个盲点：它假设波浪的高度是唯一重要的因素，却忽略了波浪如何移动、波浪经过所需的时间以及袭击船舶的方向。一个并不特别高的波浪，如果以错误的夹角击中渡轮，或者其节奏与船只的自然摇摆运动相吻中，仍可能造成致命后果，导致船只发生危险的侧倾。
为了解决这个问题，一个研究小组致力于为巽他海峡创造一种更智能的危险预测方式。他们将重点放在了梅拉克（Merak）港和巴考黑尼（Bakauheni）港之间的一段特定水域，那里的水深较深且洋流复杂。研究人员开发了一种名为“港口进入风险指数”（Harbour Entry Entry Risk Index）的新工具，不再仅仅依赖单一数字来决定是否安全航行，而是将其作为海洋的一次综合“健康检查”，结合了三个不同的因素：波浪高度、波浪相对于船舶自然摇摆速度的频率，以及波浪袭来的方向。为了使这一工具发挥作用，研究人员需要提前数小时预知波浪的变化。他们求助于人工智能，特别是一种旨在识别时间序列数据模式的计算机学习技术。他们利用十四年的历史海洋数据训练了多种不同的计算机模型，教它们通过观察风速、气压和过去的波浪行为，来预测未来六小时、十二小时和二十四小时内的波浪状况。
研究人员测试了五种不同类型的计算机模型，以观察哪一种能最准确地预测波浪。他们发现，一种结合了捕捉局部模式能力与记忆长期序列能力的混合模型，在短期预测方面表现最佳。该模型可以极其精确地预测六小时后的波浪高度，误差小于六厘米。对于长达一整天的长期预测，一种能够同时处理正向和反向信息的模型则表现得更为可靠。这些计算机模型远优于那种假设波浪将与现状保持完全一致的简单方法。然而，关键的突破不仅在于预测高度，还在于如何使用这种预测。当研究人员将新的风险指数应用于历史数据时，他们发现旧的安全规则存在一个关键缺陷：在整个十四年的研究期间，即使海洋状况经常恶劣，那个2.5米的单一阈值也从未在主要渡轮航道触发过警告。事实上，在该特定位置记录到的最高波浪从未超过2.4米。
这一发现表明，旧规则未能检测到真实的危险。研究人员随后将新的风险指数与2020年至2024年间梅拉克港发生的六起实际靠泊事故进行了对比测试。在旧系统中，由于波浪在技术层面上低于2.5米的限制，安全阈值对这六起危险事件都保持沉默。相比之下，新的风险指数正确地将所有六起事件识别为危险情况。它之所以能做到这一点，是因为它识别出：适中的波浪高度、与渡轮摇摆节奏相匹配的特定波浪周期，以及迎面撞击船舶的波浪，共同构成了一种简单的波浪高度测量无法察觉的危险局面。该指数还显示出明显的季节性模式，即风险最高的时期出现在十二月和一月的季风月份，这与历史上实际发生事故的时间完全吻合。
研究进一步证明，该系统可以提供可靠的预警。利用表现最好的计算机模型，该系统可以在危险情况到来前的六到十二小时发出预警。这种提前量对于渡轮运营商至关重要，使他们有足够的时间调整调度或延迟出发，从而避免通往港口的道路上出现长长的车辆排队。该系统的设计非常谨慎；当它出错时，几乎总是轻微低估危险而非高估危险，从而确保绝不会完全错过一个真正危险的时段。虽然研究人员指出，他们的工作依赖于历史数据，未来的改进可以包括实时传感器和更详细的港口地图，但研究结果提供了一种管理安全的高效新途径。通过超越单一数值并拥抱更完整的海洋行为图景，这种方法为保障数百万在巽他海峡旅行者的安全提供了切实、数据驱动的基础。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。