[ad_1]

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 می تواند 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 یک صدای آرام است – اما 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 دینامیک سیالات ، در مورد تجزیه و تحلیل اخیر خود از امضای اینفراسونیک گردباد بحث کرد.

البینگ گفت که این امضاهای سونوگرافی به نظر می رسد راهی امیدوارکننده برای تحقیق باشد ، 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. “ما در حال حاضر با سیستم های راداری و نظارت بسیار پیشرفت کرده ایم ، اما هنوز محدودیت هایی وجود دارد. رادار نیاز به اندازه گیری خط دید دارد.” اما خط دید می تواند در مکانهای تپه ای مانند جنوب شرقی ، جایی که بیشتر مرگهای 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 او 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 اطلاعات کمی در مورد پویایی مایعات گردباد 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 احساس 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 صوتی توصیف کردند و یافته های مطالعات نحوه عبور ارتعاشات مادون صوت از جو را ارائه دادند. کار امضای گردباد با سونوگرافی با کمک مالی NOAA پشتیبانی شد.

جلسات دیگر در جلسه بخش Fynid Dynamics به روشهای مشابه برای مطالعه 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. وی با بررسی مسئله ای از نظر محاسباتی در سیستم های آشفته کوچک ، دریافت که آشفتگی های کوچک می توانند منجر به تغییر طولانی مدت شوند ، یافته ای که نشان می دهد حتی تلاش های کوچک می تواند منجر به تغییرات پایدار در جو سیستم شود.

در همان جلسه ، مهندس مکانیک آنتوان بلانچارد ، دانشجوی فوق دکترا در MIT ، یک الگوریتم نمونه گیری هوشمند ارائه داد که برای کمک به کمیت و پیش بینی حوادث شدید ، مانند طوفان های شدید یا طوفان های شدید طراحی شده است. وی گفت ، وقایع شدید با احتمال کم اتفاق می افتد و بنابراین به مقدار زیادی داده احتیاج دارند که تولید آنها از نظر محاسباتی یا آزمایشی گران است. 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.”

[ad_2]

منبع: packge-news.ir