Los investigadores de Dalhousie y el entorno de innovación de análisis de datos oceánicos DeepSense han desarrollado un método de aprendizaje automático para predecir las mediciones de la velocidad del viento y la altura de las olas. Tales mediciones respaldan la toma de decisiones segura y más precisa por parte de la Autoridad Portuaria de Halifax y los Pilotos Marinos de Halifax.

Resultados publicados en el Revista de tecnología oceánica demostrar cómo el equipo utilizó datos de boyas inteligentes para proporcionar predicciones para su uso durante los períodos de mantenimiento programado de las boyas y / o fallas espontáneas de los sensores. Estas predicciones serán valiosas para la comunidad portuaria al proporcionar la continuidad de la información crítica utilizada en la navegación segura de embarcaciones dentro del Puerto de Halifax y la transferencia segura de Halifax Marine Pilots entre embarcaciones piloto y embarcaciones comerciales.

El proyecto DeepSense / SmartAtlantic es una colaboración entre el Center for Ocean Ventures and Entrepreneurship (COVE), Sentido profundo, la Autoridad Portuaria de Halifax (HPA) y la Asociación Canadiense de Pilotos Marinos (CMPA).

Basado en la Facultad de Ciencias de la Computación con financiamiento y apoyo de la Agencia de Oportunidades de Canadá Atlántico (ACOA), la provincia de Nueva Escocia, el Ocean Frontier Institute (OFI) e IBM, DeepSense impulsa el crecimiento de la economía oceánica a través de la inteligencia artificial, aprendizaje automático e investigación aplicada de macrodatos.

Haciendo predicciones

Iniciado por COVE con socios en HPA y CMPA, el proyecto tenía como objetivo proporcionar un nivel adicional de redundancia de alta precisión para la boya SmartAtlantic Herring Cove.

"La plataforma Smart Buoy aloja varios sensores oceánicos y genera pronósticos refinados que se han convertido en un recurso crucial para los usuarios marinos que ingresan al puerto de Halifax, "dice Melanie Nadeau, CEO de COVE. "Con la incorporación de DeepSense y su capacidad para utilizar los datos recopilados durante los últimos 7 años, tenemos un camino a seguir para brindar información fluida a la industria marítima ".

Chris Whidden, profesor asistente en la Facultad de Ciencias de la Computación, dirigió el equipo de investigación asociado con el proyecto con el apoyo del estudiante de Maestría en Ciencias de la Computación Aplicada Jesuseyi Fasuyi.

"El problema es que si los datos de los sensores en vivo no están disponibles en boyas inteligentes, nos quedamos adivinando si es seguro transferir a los pilotos a grandes buques de transporte y cruceros para guiarlos al puerto de Halifax, "dice el Dr. Whidden.

"Tomamos las principales variables predictivas de la velocidad del viento y la altura de las olas, y datos relacionados con estas variables recopilados por otras boyas inteligentes y estaciones terrestres, pensar en cómo podemos usar el aprendizaje automático para hacer predicciones en torno a esta actividad para la boya en Herring Cove. Es novedoso, ya que nadie más parece estar haciendo predicciones como esta con solo uno o dos sensores de repuesto ".

El aprendizaje automático se usa comúnmente para identificar patrones en los datos y usarlo para hacer predicciones o decisiones automáticas.

"Hay muchos, muchos modelos de aprendizaje automático diferentes y tuvimos que decidir en cuál concentrarnos, "explica el Dr. Whidden." Terminamos viendo tres:bosques aleatorios, admite máquinas vectoriales y un modelo de red neuronal. Son una especie de ejemplos para esta tarea. Por lo tanto, los bosques aleatorios y las máquinas de vectores de soporte son modelos de aprendizaje automático de estilo más antiguo, que tienden a funcionar muy bien, especialmente en los casos en los que no tiene muchos datos. Y luego, las redes neuronales son el pan y la mantequilla del aprendizaje profundo. En el final, el modelo de bosque aleatorio funcionó mejor con, de media, un error de sólo 0,17 metros para la altura de las olas ".

Posibilidades futuras

Los investigadores comenzaron a explorar aspectos como la estacionalidad y las condiciones climáticas extremas y los hallazgos iniciales han abierto posibilidades futuras para el proyecto con el equipo ahora mirando hacia la fase dos con la estudiante de Maestría en Ciencias de la Computación Amruth Kuppili, quien busca comprender mejor las variaciones estacionales y continuar el desarrollo de un marco para permitir un panel de predicción y datos en vivo en el futuro.

"La boya inteligente, cuando se implementó por primera vez el 7 de noviembre, 2013, hizo posible mejorar la seguridad operativa, seguridad y eficiencia sin cambiar la infraestructura existente, "dice el capitán Adam Parsons, capitán de puerto de la Autoridad Portuaria de Halifax. "Tenerlo en su lugar nos ha proporcionado a todos los miembros de la comunidad portuaria:operadores, embarcadores y pilotos marinos, con información valiosa en la que confiamos. Tomar medidas innovadoras para llenar esos vacíos durante tiempos de mantenimiento o problemas con los sensores es algo que todos apreciamos y agradecemos ".

Capitán Andrew Rae, vicepresidente del Atlántico, Asociación Canadiense de Pilotos Marinos y presidente, Comité Operativo Conjunto de la Boya Smart Atlantic Herring Cove, Se hace eco de este optimismo en torno a los impactos del proyecto.

"La aplicación pionera de DeepSense de aprendizaje automático para predecir con precisión dos de los conjuntos de datos meteorológicos y oceánicos (velocidad del viento y altura de las olas) recopilados por la boya ODAS SmartAtlantic de 3 metros amarrada en las cercanías de Herring Cove, ejemplifica la asociación exitosa de la informática aplicada a una aplicación práctica de seguridad. El Comité Operativo Conjunto de SmartAtlantic Herring Cove Buoy espera con ansias la próxima fase del proyecto ".