فیزیک جریان می تواند به پیش بینی کنندگان کمک کند تا حوادث شدید را پیش بینی کنند – ScienceDaily


سالانه حدود 1000 گردباد به ایالات متحده برخورد می کند و میلیاردها دلار خسارت به بار آورده و به طور متوسط ​​حدود 60 نفر را به کام مرگ می کشاند. داده های ردیابی نشان می دهد که آنها در جنوب شرقی و کمتر در کوچه تورنادو ، که در سراسر دشت های بزرگ گسترش می یابد ، بیشتر دیده می شوند. دانشمندان درک روشنی از نحوه ایجاد گردباد ندارند ، اما یک چالش فوری تر ایجاد دقیق تر سیستم های پیش بینی و هشدار است. به تعادل خوب نیاز دارد: بدون هشدار ، افراد نمی توانند پناه بگیرند ، اما اگر زنگ هشدارهای غلط زیادی دریافت کنند ، بیمه می شوند.

به گفته مهندس مکانیک برایان البینگ از دانشگاه ایالتی اوکلاهما در استیل واتر ، در قلب کوچه تورنادو ، یک روش برای بهبود ابزارهای پیش بینی گردباد ممکن است گوش دادن بهتر باشد. با این حال ، منظور او اصواتی نیست که توسط گوش انسان شنیده می شود. از اوایل دهه 1960 ، محققان شواهدی را منتشر کردند که نشان می داد گردباد سیگنال های صوتی را در فرکانس هایی فراتر از حد شنوایی انسان منتشر می کند. مردم می توانند تا حدود 20 هرتز را بشنوند – که به نظر می رسد مثل یک صدای کم صدا – اما یک آهنگ گردباد احتمالاً جایی بین 1 تا 10 هرتز می افتد.

براندون وایت ، دانشجوی تحصیلات تکمیلی آزمایشگاه البینگ ، در مورد هفتاد و سومین نشست سالانه انجمن فیزیکی آمریکا ، گروه پویایی سیالات ، در مورد تجزیه و تحلیل اخیر خود از امضای مادون قرمز گردباد بحث کرد.

البینگ گفت که این امضاهای سونوگرافی یک راه امیدوارکننده برای کاوش به نظر می رسد ، حداقل تا زمانی که رادار به عنوان یک فناوری پیشرو برای سیستم های هشدار دهنده ظهور کرد. رویکردهای مبتنی بر آکوستیک برای دهه ها در پس زمینه بوده است. وی افزود: “ما در حال حاضر با سیستم های راداری و نظارت بسیار پیشرفت كرده ایم ، اما هنوز محدودیت هایی وجود دارد. رادار نیاز به اندازه گیری خط دید دارد.” اما خط دید ممکن است در مکانهای تپه ای مانند جنوب شرقی ، جایی که بیشتر مرگ های گردباد اتفاق می افتد ، پیچیده باشد.

البینگ گفت ، شاید وقت آن رسیده است که در این رویکردهای صوتی تجدید نظر کنیم. در سال 2017 ، تیم تحقیقاتی وی انفجارهای فراصوت از یک ابر سلول را که یک گردباد کوچک در نزدیکی پرکینز ، اوکلاهما تولید می کند ، ثبت کرد. هنگامی که آنها داده ها را تجزیه و تحلیل کردند ، دریافتند که ارتعاشات قبل از تشکیل گردباد آغاز شده است.

محققان هنوز در مورد پویایی مایعات گردباد اطلاعات کمی دارند. البینگ گفت: “تا به امروز ، هشت اندازه گیری فشار قابل اعتماد گردباد وجود دارد و هیچ نظریه کلاسیک آنها را پیش بینی نمی کند.” وی همچنین نمی داند که چگونه صدا تولید می شود ، اما دانستن علت آن برای سیستم هشدار ضروری نیست. ایده سیستم بلندگو روشن است.

البینگ گفت: “اگر من یک لیوان پشت سرت انداختم و شکست ، دیگر لازم نیست برگردی تا بفهمی چه اتفاقی افتاده است” “این صدا به شما درک خوبی از محیط اطراف خود می دهد.” ارتعاشات مادون قرمز می توانند مسافت های طولانی را به سرعت و در محیط های مختلف طی کنند. “ما می توانستیم یک گردباد 100 مایلی پیدا کنیم.”

اعضای تیم تحقیقاتی Elbing همچنین یک شبکه حسگر را برای شناسایی گردبادها از طریق صوت توصیف کردند و یافته های مطالعات نحوه عبور ارتعاشات مادون صوت از جو را ارائه دادند. کار در زمینه امضای گردباد با سونوگرافی با کمک مالی NOAA پشتیبانی شد.

جلسات دیگر در طول جلسه گروه دینامیک سیالات به همان روش بررسی و پیش بینی وقایع شدید بحث شد. در طی جلسه ای درباره پویایی غیرخطی ، مهندس Qiqi Wang م Instituteسسه فناوری ماساچوست اثر پروانه را که پدیده ای شناخته شده در پویایی سیالات است ، بررسی کرد و از وی پرسید که آیا پروانه ای که در برزیل بال می زند می تواند باعث گردباد در تگزاس شود.

مشخص نیست که آیا بال های پروانه می تواند منجر به تغییر در آمارهای طولانی مدت آب و هوا شود. با محاسبه این موضوع در سیستم های کوچک پر هرج و مرج، او در می یابد که اختلالات کوچک در واقع می تواند به تغییر دراز مدت، یافته ای که نشان می دهد که تلاش ها حتی کوچک می تواند به تغییر در آب و هوا یک سیستم پایدار منجر شود.

در همان جلسه ، مهندس مکانیک آنتوان بلانچارد ، محقق دکتری در MIT ، یک الگوریتم نمونه گیری هوشمند ارائه داد که برای کمک به کمیت و پیش بینی وقایع شدید ، مانند طوفان های شدید یا طوفان های شدید طراحی شده است. به گفته وی ، وقایع شدید بعید است و بنابراین به مقدار زیادی داده احتیاج دارند که تولید ، محاسباتی یا آزمایشی ممکن است گران باشد. بلانچارد ، که ریشه در پویایی سیالات دارد ، می خواست راهی برای شناسایی انحرافات اقتصادی تر پیدا کند. “ما سعی می کنیم این شرایط خطرناک را با استفاده از حداقل شبیه سازی های ممکن شناسایی کنیم.”

الگوریتمی که وی طراحی کرده نوعی جعبه سیاه است: هر حالت دینامیکی می تواند به عنوان ورودی منتقل شود و الگوریتم اندازه گیری خطر آن حالت را برمی گرداند.

“ما در حال یافتن درهای خطر هستیم. اگر این درب خاص را باز کنید ، آیا سیستم بیکار خواهد ماند یا دیوانه خواهد شد؟” بلانچارد پرسید. “چه شرایط و شرایطی وجود دارد – مانند شرایط آب و هوایی – که اگر مجبور شوید با گذشت زمان آنها را توسعه دهید ، می تواند منجر به یک طوفان یا طوفان شود؟”

بلانچارد گفت که او هنوز در حال پالایش الگوریتم است ، اما امیدوار است که به زودی آن را در داده های دنیای واقعی و آزمایش های بزرگ اعمال کند. وی همچنین گفت که این امر می تواند عواقبی بیش از زمان داشته باشد ، در هر سیستمی که رویدادهای شدید را تولید می کند. “این یک الگوریتم بسیار رایج است.”


منبع: khabar-erfan.ir

دیدگاهتان را بنویسید

Comment
Name*
Mail*
Website*