Udvikling af digitale tvillinger til forbedret orkanforudsigelse

Mere end halvdelen af ​​den amerikanske befolkning bor i kystnære vandskelamter eller sogne. Kystsamfund langs den Mexicanske Golf er blandt de mest tætbefolkede - også en region, hvor høje koncentrationer af energiressourcer har gjort det til et nationalt knudepunkt for mange store kulstof-til-opsamlings-oplagringsfaciliteter.

Nærheden til havet af både lokalsamfund og energiinfrastrukturer gør begge ekstremt sårbare over for de ødelæggelser, der kan forårsages af oversvømmelser og vindskader fra alvorlige vejrbegivenheder i Golfen, som stiger i både frekvens og intensitet for hver orkansæson.

Clint Dawson, en professor i Institut for Luftfartsteknik og Engineering Mechanics (ASE/EM) og direktør for Computational Hydraulics Group ved Oden Institute for Computational Engineering and Sciences ved UT Austin, arbejder på at gøre stormflodsforudsigelser for orkaner mere nøjagtige end nogensinde. Takket være et nyt tilskud fra Department of Energy (DOE), Dawson vil lede et tværfagligt forskningsprojekt for at udvikle en beregningsmæssig "digital tvilling"-ramme, der bygger bro mellem multifysiske simuleringer og videnopdagelse gennem kunstig intelligens (AI) og maskinlæringsteknologier (ML). kaldet MuSiKAL.

Kort fortalt, en digital tvilling er en virtuel repræsentation af et objekt eller system, der strækker sig over hele dets livscyklus gennem regelmæssige realtidsdataopdateringer leveret af sensorer spredt ud over objektet eller systemet. Ved hjælp af simuleringer, maskinlæring og andre beslutningstagningsteknologier, digitale tvillinger kan hjælpe med at forudsige fremtidig præstation og adfærd.

Dawsons team har modelleret stormflodsprognoser i to årtier, fra orkanen Katrina, Rita, Ike og Harvey til denne sæsons største storm til dato, Orkanen Ida. Og stormflodseksperten vil være den første til at fortælle dig, at hver enkelt har sit eget sæt unikke egenskaber. Men der kan stadig drages lektier fra hver af dem, som kan informere fremtidige svar.

I øjeblikket kører en orkanmodel, målinger bliver indsamlet på meget diskrete steder - langs kysten og i havet, for eksempel – men disse punkter repræsenterer ikke alle punkter i hver region, der kan blive påvirket.

"Vi er nødt til at have en model, der giver yderligere information. Hvis vi har disse data tilgængelige til brug, det kan bedre informere de modeller, vi kører i øjeblikket, " sagde Dawson. "Og så kan vi gå tilbage og sammenligne modellerne med dataene for et mere præcist billede."

Digitale tvillinger er allerede blevet udviklet til en række forskellige situationer – fra moderne flydesign til systemer, der hjælper med at styre hele byer. I forbindelse med ekstrem vejrmodellering, teknologien kunne muliggøre endnu hurtigere forudsigelser af stormadfærd i realtid ved at kombinere viden om tidligere storme ved hjælp af AI og ML.

"Disse modeller er meget komplekse og kan tage timer at simulere på en supercomputer. Hvis vi kan bruge maskinlæring baseret på data, der er blevet indsamlet fra tidligere orkaner, der er meget ens, så kunne vi måske give hurtigere forudsigelser i realtid, " sagde Dawson.

Gennem programmet Advanced Scientific Computing Research (ASCR) vil DOE støtte et team af eksperimentelle og beregningsforskere fra University of Texas i Austin, Louisiana State University, University of Notre Dame og Pacific Northwest National Laboratory. De vil blive ledet af Dawson sammen med andre ASE/EM -professor og Oden Institute -kernefakultetsmedlem, Tan Bui-Thanh.

Andre UT-eksperter, der deltager, omfatter Bridget Scanlon og Alexander Sun fra UT's Bureau of Economic Geology og Dev Niyogi og Zong-Liang Yang fra Jackson School of Geosciences.

DOE har for nylig investeret i udviklingen af ​​jordsystemmodeller til klimaforskning. Dawson sagde, at han ser frem til at arbejde på forskning, der er direkte relateret til klimaforudsigelser.

"Jeg tror, ​​det her bliver et banebrydende projekt, og stemmer godt overens med den ekspertise, vi har opbygget i 20 år, "Dawson sagde." Det er meget spændende at oprette forbindelse til energiministeriet for at udvikle fremskrivninger af længere skala af, hvad der vil ske med energisektoren og samfundet som helhed. "

Department of Energy's fond for integreret beregnings- og datainfrastruktur til videnskabsforskning vil give 5,2 millioner dollars samlet til projektet, og UT Austin modtager 3 millioner dollars.