I ricercatori di Dalhousie e dell'ambiente di innovazione dell'analisi dei dati oceanici DeepSense hanno sviluppato un metodo di apprendimento automatico per prevedere la velocità del vento e le misurazioni dell'altezza delle onde. Tali misurazioni supportano un processo decisionale sicuro e più accurato da parte dell'Autorità Portuale di Halifax e dei Piloti Marini di Halifax.

Risultati pubblicati in Journal for Ocean Technology dimostrare come il team ha utilizzato i dati delle boe intelligenti per fornire previsioni da utilizzare durante i periodi di manutenzione programmata delle boe e/o guasti spontanei dei sensori. Queste previsioni saranno preziose per la comunità portuale nel fornire la continuità delle informazioni critiche utilizzate nella navigazione sicura delle navi all'interno del porto di Halifax e nel trasferimento sicuro dei piloti marini di Halifax tra pilotine e navi commerciali.

Il progetto DeepSense/SmartAtlantic è una collaborazione tra il Center for Ocean Ventures and Entrepreneurship (COVE), senso profondo, la Halifax Port Authority (HPA) e la Canadian Marine Pilots' Association (CMPA).

Basato fuori dalla Facoltà di Informatica con il finanziamento e il supporto dell'Atlantic Canada Opportunities Agency (ACOA), la provincia della Nuova Scozia, l'Ocean Frontier Institute (OFI) e IBM, DeepSense guida la crescita dell'economia oceanica attraverso l'intelligenza artificiale, machine learning e ricerca applicata sui big data.

Fare previsioni

Avviato da COVE con i partner dell'HPA e del CMPA, il progetto mirava a fornire un livello aggiuntivo di ridondanza altamente accurato per la boa SmartAtlantic Herring Cove.

"La piattaforma Smart Buoy ospita diversi sensori oceanici e genera previsioni raffinate che sono diventate una risorsa cruciale per gli utenti marini che entrano nel porto di Halifax, "dice Melanie Nadeau, CEO di COVE. "Con l'aggiunta di DeepSense e la loro capacità di utilizzare i dati raccolti negli ultimi 7 anni, abbiamo una strada da seguire per fornire informazioni senza soluzione di continuità all'industria nautica".

Chris Whidden, professore a contratto presso la Facoltà di Informatica, ha guidato il team di ricerca associato al progetto con il supporto dello studente del Master of Applied Computer Science Jesuseyi Fasuyi.

"Il problema è che se i dati dei sensori in tempo reale non sono disponibili dalle boe intelligenti, non ci resta che indovinare se è sicuro trasferire i piloti su grandi navi da trasporto e navi da crociera per guidarli nel porto di Halifax, "dice il dottor Whidden.

"Abbiamo preso le principali variabili predittive della velocità del vento e dell'altezza delle onde, e dati relativi a queste variabili raccolti da altre boe intelligenti e stazioni di terra, pensare a come possiamo utilizzare l'apprendimento automatico per fare previsioni su questa attività per la boa a Herring Cove. È nuovo in quanto nessun altro sembra fare previsioni come questa da solo uno o due sensori sostitutivi".

L'apprendimento automatico viene comunemente utilizzato per identificare modelli nei dati e utilizzarli per effettuare previsioni o decisioni automatiche.

"Ci sono molti, molti diversi modelli di apprendimento automatico e abbiamo dovuto decidere su quale concentrarci, " spiega il Dr. Whidden. "Abbiamo finito per esaminarne tre:foreste casuali, supportare macchine vettoriali e un modello di rete neurale. Sono una specie di esempio per questo compito. Quindi le foreste casuali e le macchine vettoriali di supporto sono modelli di apprendimento automatico di stile più vecchio, che tendono a funzionare molto bene, soprattutto nei casi in cui non si hanno molti dati. E poi le reti neurali sono una specie di pane e burro del deep learning. Alla fine, il modello di foresta casuale ha funzionato meglio con, in media, un errore di soli 0,17 metri per l'altezza delle onde."

Possibilità future

I ricercatori hanno iniziato a esplorare aspetti come la stagionalità e le condizioni meteorologiche estreme e i risultati iniziali hanno aperto possibilità future per il progetto con il team che ora guarda alla fase due con lo studente di Master of Computer Science Amruth Kuppili che sta cercando di comprendere meglio le variazioni stagionali e continuare il sviluppo di un framework per consentire un futuro dashboard di dati e previsioni in tempo reale.

"La Boa Intelligente, quando è stato distribuito per la prima volta il 7 novembre, 2013, ha permesso di migliorare la sicurezza operativa, sicurezza ed efficienza senza modificare l'infrastruttura esistente, "dice il capitano Adam Parsons, Capitaneria di porto per l'Autorità Portuale di Halifax. "Averlo in atto ha fornito a tutti noi della comunità portuale:operatori, caricatori e piloti marittimi, con informazioni preziose su cui possiamo fare affidamento. Adottare misure innovative per colmare queste lacune durante i periodi di manutenzione o problemi con i sensori è qualcosa che tutti apprezziamo e accogliamo favorevolmente".

Capitano Andrew Rae, vicepresidente dell'Atlantico, Canadian Marine Pilots' Association e presidente, Comitato operativo congiunto della boa Smart Atlantic Herring Cove, fa eco a questo ottimismo sugli impatti del progetto.

"L'applicazione pionieristica di apprendimento automatico di DeepSense per prevedere con precisione due dei set di dati met-oceano (velocità del vento e altezza delle onde) raccolti dalla boa SmartAtlantic ODAS di 3 metri ormeggiata nelle vicinanze di Herring Cove, esemplifica la collaborazione di successo dell'informatica applicata a un'applicazione pratica di sicurezza. Il comitato operativo congiunto della SmartAtlantic Herring Cove Buoy attende con impazienza la prossima fase del progetto".