GPU Ocean

Å kunne beregne driften til oljesøl, isfjell og andre flytende objekter i havet er viktig både av hensyn til miljø og sikkerhet. De numeriske sirkulasjonsmodellene vi har i dag har en god representasjon av de komplekse fysiske prossessene som driver havsirkulasjonen. Havstrømmene kan variere svært mye over kort tid og korte avstander, og små avvik i modellen vokser seg snart store. Modellene kan korrigeres med observasjoner, men en utstrakt mangel på havobservasjoner gjør at det ofte blir store usikkerheter i prognosene (se figuren nedenfor).

Ved å benytte et modellensemble, det vil si mange samtidige simuleringer som alle har litt forskjellig startvilkår eller fysisk pådrag, kan man kvantifisere denne usikkerheten. Er det stor spredning i modellresultatene er resultatet usikkert og vice versa. Tradisjonelle sirkulasjonsmodeller krever store regneressurser og i praksis blir antallet samtidige simuleringer ofte for lite.

I dette prosjektet skal vi lage ensembler med tusenvis av samtidige simuleringer ved hjelp av forenklede havmodeller og avansert tungregneteknologi. Dette gjør oss i stand til få mer robuste estimater av usikkerhetene i prognosen, samt verdifull informasjon om hvilke fysiske prossesser som dominerer disse usikkerhetene. Med store ensembler kan vi også dra større nytte av observasjoner. Vi kan velge og vrake mellom alle våre simuleringer til vi finner noen som er dynamisk konsistente med de få observasjonene vi har, og på denne måten får vi mer nøyaktige prognoser for driften. 


 

It is important to predict the drift trajectories of oil spills, ice bergs, and other floating objects to protect the marine environment and for safe offshore operations. Modern numerical circulation models are sophisticated, and have good representations of the physical processes that drive the ocean circulation. The ocean currents are highly variable on short temporal and spatial scales, however, and small deviations in the models quickly develop into large errors. The models can be corrected using observations, but unfortunately there is a lack of direct observations of the ocean circulation, hence the predictions are often associated with large uncertainties (see figure below).

Model ensembles, that is, many simultaneous model simulations with slightly different forcing and initial conditions, can be used to quantify the uncertainties. Large spread between the different simulations indicate large uncertainty and vice versa. Today's numerical models are computationally demanding, however, and in practice the number of simulations in the ensemble is often too small.

In this project we will make ensembles with thousands of simultaneous simulations, using simplified ocean circulation models and advanced supercomputing techniques. Such ensembles enable us to make more robust uncertainty estimates, and also provide information about the physical processes that dominate the uncertainties. Very large ensembles can also greatly benefit from observations. We can pick and choose those simulations that are dynamically consistent with the few observations that are available, hence we obtain more accurate predictions of the drift.

Project description (PDF)

 

 

Project at a glance

Title

GPU Ocean – heterogeneous computing of drift in the ocean

Norwegian title

GPU Hav

Principal Investigator

Kai H. Christensen

RCN project number

250935/O70

MET Norway project number

28344

Start

April 1, 2016

End

March 31, 2020

Coordinator

Norwegian Meteorological Institute (MET Norway)

Partners

SINTEF ICT and University of Reading

Grant

9 MNOK

Bookmark and Share
Idium Portalserver 3.0Idium webpublisering
Nettstedssikkerhet