Esistono strutture complesse, quali piattaforme petrolifere e navi, che sono sottoposte costantemente all’azione di onde e correnti. Purtroppo, dopo decenni di attività, un’onda anomala o una tempesta possono distruggere queste strutture portando a conseguenze anche molto gravi come, ad esempio, disastri ambientali di considerevoli dimensioni. Gli ingegneri del MIT-Massachusetts Institute of Technology hanno sviluppato un algoritmo che individua rapidamente i tipi di eventi estremi che potrebbero presentarsi con maggiore probabilità in un ambiente come l’oceano, dove onde di aventi differenti valori di velocità, lunghezza e altezza, generano stress o pressioni su imbarcazioni o piattaforme portando, in alcuni casi, a situazioni di pericolo.
Esistono strutture complesse, quali piattaforme petrolifere e navi, che sono sottoposte costantemente all’azione di onde e correnti. Purtroppo, dopo decenni di attività, un’onda anomala o una tempesta possono distruggere queste strutture portando a conseguenze anche molto gravi come, ad esempio, disastri ambientali di considerevoli dimensioni. Gli ingegneri del MIT-Massachusetts Institute of Technology hanno sviluppato un algoritmo che individua rapidamente i tipi di eventi estremi che potrebbero presentarsi con maggiore probabilità in un ambiente come l’oceano, dove onde di aventi differenti valori di velocità, lunghezza e altezza, generano stress o pressioni su imbarcazioni o piattaforme portando, in alcuni casi, a situazioni di pericolo.
Valutazione del rischio con i metodi tradizionali
Solitamente gli ingegneri misurano la resistenza di una struttura a eventi estremi utilizzando simulazioni computazionali dettagliate per riprodurre un modello della risposta, per esempio, verso un’onda proveniente da una particolare direzione e con una certa altezza, lunghezza e velocità. Queste simulazioni sono molto complesse in quanto creano un modello non solo dell’onda di interesse ma anche dell’interazione con la struttura stessa: simulando l’intera azione dell’onda, gli scienziati possono stimare come la struttura potrebbe essere scossa e spinta e quali forze e stress risultanti causerebbero danni. Queste simulazioni per la valutazione del rischio sono incredibilmente precise e, idealmente, sarebbero in grado di prevedere la reazione di una struttura a ogni singolo tipo di onda, che sia estrema o no. Ma questa precisione richiede di simulare milioni di onde, con differenti parametri: un processo che può richiedere mesi per i calcoli. I ricercatori, quindi, devono affidarsi a una scorciatoia: simulano solo pochi scenari, scegliendo in maniera casuale numerosi tipi di onda che pensano possano causare il massimo dei danni. Se il progetto della struttura sopravvive a queste onde estreme e generate random, la costruzione o la nave rimarranno in piedi se e quando sottoposte a condizioni simili, nell’oceano. Procedendo così, però, vengono omessi alcuni scenari meno ovvi, come la combinazione di onde di media grandezza, o un’onda con una determinata inclinazione che può portare a conseguenze distruttive.
Come funziona il nuovo algoritmo
Per lo studio, pubblicato su Proceedings of the National Academy of Sciences, i ricercatori hanno sviluppato un algoritmo di machine learning per identificare velocemente l’onda più importante e informativa da far girare nella simulazione anziché inserire milioni di onde o anche solo numerose onde scelte causalmente. Il codice è basato sull’idea che ciascuna onda abbia una certa probabilità di contribuire a un evento estremo riguardante la struttura d’interesse. La probabilità possiede un’incertezza, un errore, poiché rappresenta l’effetto di un sistema dinamico complesso. Inoltre alcune onde contribuiscono con una probabilità maggiore a eventi estremi rispetto ad altre. I ricercatori hanno progettato l’algoritmo in modo che si potessero inserire velocemente vari tipi di onde e le loro proprietà fisiche, insieme ai loro effetti conosciuti, su una piattaforma petrolifera teorica.
L’algoritmo, a partire dalle onde inserite dagli scienziati, ha potuto “imparare” e fare una stima rozza di come la piattaforma si sarebbe comportata in risposta a qualunque onda sconosciuta. Attraverso questo step di machine learning, il codice ha imparato come la struttura offshore si comporti nei confronti di tutte le possibili onde, quindi ha identificato una particolare onda che riduce l’errore nella probabilità di eventi estremi. Questa onda avrà probabilità maggiore di presentarsi e portare a un evento estremo. In questo modo la fase computazionale va oltre l’approccio puramente statistico e prende in considerazione il comportamento dinamico del sistema oggetto di analisi.
Non solo piattaforme petrolifere: un nuovo strumento per salvare le città dagli eventi estremi
I risultati ottenuti dimostrano che il metodo messo a punto focalizza subito le onde che con maggiore probabilità saranno coinvolte in un evento estremo e fornisce ai progettisti scenari più realistici da simulare per testare la resistenza, non solo di navi o piattaforme petrolifere, ma anche di regioni soggette ad alluvioni: con la stessa tecnica possono essere identificati le tipologie di temporali che generano inondazioni in città e dove quest’ultime avranno luogo. Può anche essere utilizzato per valutare i sovraccarichi elettrici che causano blackout e dove saranno, identificandoli nella rete elettrica del centro urbano.
Parliamo ancora di rischio, in questo caso sismico, nell’articolo “La sismicità indotta: quando è l’uomo a generare i terremoti” di Francesco Grigoli e Antonio Pio Rinaldi. Acquistatelo singolarmente o con il numero di giugno 2018 di Sapere.
Credits immagine di copertina: MIT, courtesy of the researchers (CC BY-NC-ND 3.0)
