المُقدّمة
وتؤثر الفيضانات بشكل غير متناسب على البلدان النامية التي تعاني من قلة شبكات قياس تدفق المجاري المائية، مما يسلط الضوء على الحاجة إلى إنذارات مبكرة دقيقة. ويؤكد تسارع الكوارث المرتبطة بالفيضانات بسبب تغير المناخ الحاجة الملحة إلى إنشاء أنظمة إنذار مبكر فعالة، وخاصة في البلدان المنخفضة والمتوسطة الدخل حيث يقيم 90٪ من السكان المعرضين للخطر. ووفقا للبنك الدولي، فإن رفع مستوى أنظمة الإنذار المبكر بالفيضانات في الدول النامية إلى المعايير المتقدمة يمكن أن ينقذ حياة ما متوسطه 23,000 ألف شخص سنويا. ومع ذلك، لا تزال التحديات قائمة، بما في ذلك ضرورة معايرة مستجمعات المياه الفردية والتنبؤ المحدود في المناطق المعرضة للخطر. في هذه المقالة، سوف نفهم الورقة البحثية التي أعدتها Google والتي تستكشف استخدام الذكاء الاصطناعي (AI) للتنبؤ بفيضانات الأنهار لمدة تصل إلى 5 أيام مقدمًا، مع شرح تفاصيل آثارها المحتملة على أكثر من 80 دولة، لا سيما في المناطق التي تعاني من ندرة البيانات والضعيفة.
جدول المحتويات
التأثير المدمر للفيضانات
تعد الفيضانات النوع الأكثر شيوعا من الكوارث الطبيعية، وقد تضاعف معدل الكوارث المرتبطة بالفيضانات منذ عام 2000. وتعزى هذه الزيادة إلى الدورة الهيدرولوجية المتسارعة الناجمة عن تغير المناخ الناتج عن الأنشطة البشرية. وتكون آثار الفيضانات شديدة بشكل خاص في البلدان النامية، حيث يكون السكان معرضين بشدة لمخاطر الفيضانات. وتؤكد العواقب المدمرة للفيضانات الحاجة الملحة إلى إصدار تحذيرات دقيقة وفي الوقت المناسب من الفيضانات للتخفيف من تأثيرها على حياة البشر والممتلكات.
الوضع الحالي للتنبؤ بالفيضانات
يواجه الوضع الحالي للتنبؤ بالفيضانات تحديات، لا سيما في الأحواض غير المقيسة حيث تحتاج نماذج التنبؤ الهيدرولوجية إلى بيانات أكثر موثوقية للمعايرة. وهذا القيد يعيق دقة التنبؤات بالفيضانات والمدة الزمنية اللازمة لذلك، خاصة في المناطق المعرضة لتأثيرات الفيضانات على البشر. ويؤدي الافتقار إلى شبكات كثيفة لقياس تدفق المجاري المائية في البلدان النامية إلى تفاقم عدم دقة التحذيرات من الفيضانات، مما يسلط الضوء على الحاجة الماسة لتحسين الوصول العالمي إلى تنبؤات موثوقة بالفيضانات.
شعاع الأمل: Google AI للإنقاذ
جوجل الذكاء الاصطناعي (AI) يقدم حلاً واعداً لتحديات التنبؤ بالفيضانات العالمية. ومن خلال الاستفادة من الذكاء الاصطناعي ومجموعات البيانات المفتوحة، هناك إمكانية لتحسين الدقة والتذكر والمدة الزمنية للتنبؤات قصيرة المدى للأحداث النهرية المتطرفة بشكل كبير. إن تطوير نظام تشغيلي ينتج تنبؤات متاحة للجمهور في الوقت الفعلي في أكثر من 80 دولة يوضح قدرة الذكاء الاصطناعي على توفير إنذارات مبكرة ودقيقة للفيضانات في أحواض غير مقيسة. ويمثل هذا تقدما كبيرا في تعزيز الوصول العالمي إلى تنبؤات موثوقة بالفيضانات وأنظمة الإنذار المبكر.
[المحتوى جزءا لا يتجزأ]
ورقة بحث جوجل: الذكاء الاصطناعي يُحدث ثورة في التنبؤ بالفيضانات
• جوجل ورقة بحثية يقدم تقدمًا كبيرًا في التنبؤ بالفيضانات باستخدام الذكاء الاصطناعي (AI) المدرب على مجموعات البيانات المفتوحة والعامة. تقوم الدراسة بتقييم إمكانات الذكاء الاصطناعي لإحداث ثورة في الوصول العالمي إلى التنبؤات بالأحداث المتطرفة في الأنهار الدولية. ومن خلال الاستفادة من الذكاء الاصطناعي، تم تطوير نظام تشغيلي لإنتاج تنبؤات قصيرة المدى (لمدة 7 أيام) بالفيضانات في أكثر من 80 دولة، وتوفير تنبؤات في الوقت الفعلي دون عوائق أمام الوصول، مثل الرسوم النقدية أو التسجيل على موقع الويب.
استخدام الذكاء الاصطناعي للتنبؤ بالفيضانات العالمية
تتعمق الورقة البحثية التي تقدمها Google في استخدام الذكاء الاصطناعي للتنبؤ بالفيضانات العالمية، مع تسليط الضوء على تطوير نموذج للتنبؤ بتدفق التدفق يعتمد على الذكاء الاصطناعي والذي يوسع العمل السابق على نماذج التنبؤ الهيدرولوجي الآني. يستخدم النموذج ذاكرة طويلة المدى (LSTM) شبكات للتنبؤ بتدفق التدفق اليومي من خلال أفق توقعات مدته 7 أيام. والجدير بالذكر أن نموذج الذكاء الاصطناعي لا يستخدم بيانات تدفق التدفق كمدخلات، مما يعالج التحدي المتمثل في توفر البيانات في الوقت الفعلي، خاصة في المواقع غير المقاسة. تشتمل بنية النموذج على نموذج تشفير-فك تشفير مع وحدات LSTM منفصلة لبيانات مدخلات الأرصاد الجوية التاريخية والمتوقعة.
من البيانات المفتوحة إلى التوقعات في الوقت الحقيقي
يوفر النظام التشغيلي الذي تم تطويره بناءً على نموذج الذكاء الاصطناعي تنبؤات بالفيضانات في الوقت الفعلي في أكثر من 80 دولة، مما يمثل علامة بارزة في تحسين الوصول العالمي إلى تحذيرات موثوقة من الفيضانات. قدرة النظام على إنتاج تنبؤات قصيرة المدى دون عوائق للوصول إليها، كما يتضح من توفر التنبؤات في الوقت الفعلي
ومجانًا، يسلط الضوء على قدرة الذكاء الاصطناعي على تعزيز أنظمة الإنذار المبكر لأحداث الفيضانات.
ما وراء الدولة من بين الفن
يتفوق أداء نموذج الذكاء الاصطناعي على نظام النمذجة العالمي الحالي المتطور، وهو النظام العالمي للتوعية بالفيضانات التابع لخدمة إدارة الطوارئ في كوبرنيكوس (GloFAS). تشير الدراسة إلى أن التنبؤ القائم على الذكاء الاصطناعي يحقق الموثوقية في التنبؤ بالأحداث النهرية المتطرفة في مستجمعات المياه غير المقيسة في فترة زمنية تصل إلى خمسة أيام، وهو ما يمكن مقارنته أو أفضل من موثوقية التنبؤات الآنية من GloFAS. بالإضافة إلى ذلك، فإن دقة نموذج الذكاء الاصطناعي خلال أحداث فترة العودة التي مدتها خمس سنوات تشبه أو أفضل من الدقة الحالية خلال أحداث فترة العودة التي مدتها عام واحد، مما يشير إلى قدرته على تقديم تحذيرات مبكرة ودقيقة من الفيضانات خلال الأحداث الأكبر والأكثر تأثيرًا في الأحواض غير المقاسة.
تحت الغطاء: نموذج الذكاء الاصطناعي
بناء العقول
يعمل نموذج التنبؤ بتدفق التدفق القائم على الذكاء الاصطناعي على توسيع العمل السابق على نماذج التنبؤ الآني الهيدرولوجي باستخدام شبكات LSTM لمحاكاة تسلسل بيانات تدفق التدفق من بيانات مدخلات الأرصاد الجوية. يستخدم النموذج بنية التشفير-وحدة فك التشفير مع تشغيل LSTM واحد على تسلسل تاريخي لبيانات مدخلات الأرصاد الجوية (المشفر LSTM) وLSTM آخر يعمل على مدى أفق التنبؤ لمدة 7 أيام مع مدخلات من تنبؤات الأرصاد الجوية (وحدة فك التشفير LSTM). لا يستخدم النموذج بيانات تدفق التدفق كمدخلات بسبب عدم توفر البيانات في الوقت الحقيقي في مواقع غير محددة، ولا يستخدم المعيار (GloFAS) مدخلات الانحدار التلقائي. تتضمن مجموعة البيانات مدخلات نموذجية وأهداف تدفق متدفق لمدة 152,259 عامًا من 5,680 مستجمعًا مائيًا، بحجم إجمالي يبلغ 60 جيجابايت محفوظ على القرص.
الجدول الزمني للبيانات
يوضح الشكل فترات البيانات المتاحة من كل مصدر يستخدم للتدريب والتنبؤ باستخدام نموذج الذكاء الاصطناعي. أثناء التدريب، تم احتساب البيانات المفقودة إما باستخدام متغير مماثل من مصدر بيانات آخر أو عن طريق احتساب قيمة متوسطة وإضافة علامة ثنائية للإشارة إلى القيمة المحسوبة. يستخدم النموذج طول تسلسل خلفي يبلغ 365 يومًا، مع حجم مخفي يبلغ 256 حالة خلية لكل من أجهزة التشفير ووحدة فك التشفير LSTM.
إلى أي مدى يتنبأ نموذج الذكاء الاصطناعي؟
تم تقييم أداء نموذج الذكاء الاصطناعي باستخدام تجارب التحقق المتبادل، مع بيانات من 5,680 جهاز قياس مقسمة في الزمان والمكان لضمان التنبؤات خارج العينة. يتنبأ النموذج بمعلمات توزيع لابلاسي واحد غير متماثل على تفريغ تدفق التدفق الطبيعي للمنطقة في كل خطوة زمنية ويتوقع المهلة الزمنية. تم تدريب النموذج على 50,000 دفعة صغيرة بحجم دفعة يبلغ 256 ومدخلات موحدة عن طريق طرح المتوسط والقسمة على الانحراف المعياري لبيانات فترة التدريب.
وضع النموذج للاختبار
وتضمنت تجارب التحقق المتبادل انقسامات عبر القارات، والمناطق المناخية، ومجموعات من مستجمعات المياه المنفصلة هيدرولوجيًا. تم تقييم نموذج الذكاء الاصطناعي خارج العينة في كل من الموقع والوقت، وتم الإبلاغ عن النتائج عبر رسم بياني هيدروغرافي نتج عن حساب متوسط الرسوم البيانية الهيدروغرافية المتوقعة من مجموعة مكونة من ثلاثة أجهزة LSTM للتشفير وفك التشفير مدربة بشكل منفصل.
تقييم النموذج باستخدام مقاييس الهيدروغراف
تم تقييم مقاييس الهيدروغراف لنموذج الذكاء الاصطناعي ومقاييس التقييم الشاملة GloFAS، مع انخفاض الدرجات مع زيادة المهلة الزمنية. تم حساب النتائج للفترة الزمنية 2014-2021، وتم إدراج المقاييس في جدول البيانات الموسعة 1. بالإضافة إلى ذلك، تم تقييم مقاييس الرسم الهيدروغرافي لنموذج الذكاء الاصطناعي وGloFAS على 1,144 مقياسًا حيث تتم معايرة GloFAS، مع انخفاض الدرجات مع زيادة الرصاص وقت.
ما الذي يجعل الذكاء الاصطناعي علامة؟
تم استخدام تصنيفات أهمية الميزات من مصنفات الموثوقية للإشارة إلى السمات الجيوفيزيائية التي تحدد الموثوقية العالية مقابل الموثوقية المنخفضة في نموذج الذكاء الاصطناعي. تضمنت السمات الأكثر أهمية لنموذج الذكاء الاصطناعي منطقة الصرف، ومتوسط التبخر السنوي المحتمل (PET)، ومتوسط التبخر الفعلي السنوي (AET)، والارتفاع. وارتبطت هذه السمات بدرجات الموثوقية، مما يشير إلى درجة عالية من اللاخطية وتفاعل المعلمات في النموذج.
وفي الختام
ورغم أن النمذجة الهيدرولوجية قد نضجت، فإن العديد من المناطق المعرضة للفيضانات تفتقر إلى أنظمة موثوقة للتنبؤ والإنذار المبكر. توضح ورقة بحث Google كيف يمكن الاستفادة من الذكاء الاصطناعي والبيانات المفتوحة أن تحسن بشكل كبير دقة التنبؤات قصيرة المدى، وتذكرها، والمدة الزمنية للأحداث النهرية المتطرفة. يقدم التنبؤ القائم على الذكاء الاصطناعي حلاً واعداً من خلال توسيع نطاق موثوقية التنبؤات العالمية الحالية إلى مهلة 5 أيام وتحسين مهارات التنبؤ في أفريقيا إلى مستويات مماثلة لأوروبا.
علاوة على ذلك، فإن تقديم هذه التنبؤات علنًا في الوقت الفعلي دون عوائق الوصول إليها يتيح نشر التحذيرات من الفيضانات في الوقت المناسب. وعلى الرغم من هذا التقدم، هناك مجال لمزيد من التحسين من خلال زيادة الوصول إلى البيانات الهيدرولوجية لتدريب نماذج دقيقة وتحديثات في الوقت الحقيقي من خلال مبادرات مفتوحة المصدر مثل كارافان. يعد تعزيز التنبؤات بالفيضانات العالمية والإنذارات المبكرة أمرًا بالغ الأهمية لحماية الملايين في جميع أنحاء العالم من الآثار المدمرة للفيضانات على الأرواح والممتلكات. إن الجمع بين الذكاء الاصطناعي والبيانات المفتوحة والجهود التعاونية يمهد الطريق نحو هذا الهدف الحيوي.
- محتوى مدعوم من تحسين محركات البحث وتوزيع العلاقات العامة. تضخيم اليوم.
- PlatoData.Network Vertical Generative Ai. تمكين نفسك. الوصول هنا.
- أفلاطونايستريم. ذكاء Web3. تضخيم المعرفة. الوصول هنا.
- أفلاطون كربون، كلينتك ، الطاقة، بيئة، شمسي، إدارة المخلفات. الوصول هنا.
- أفلاطون هيلث. التكنولوجيا الحيوية وذكاء التجارب السريرية. الوصول هنا.
- المصدر https://www.analyticsvidhya.com/blog/2024/03/google-ai-predicts-riverine-flood-in-advance/
