概要

河川流量計ネットワークがまばらな発展途上国では、洪水の影響が著しく大きく、正確な早期警報の必要性が浮き彫りになっています。気候変動による洪水関連災害の加速は、特に脆弱な人口の90%が居住する低・中所得国において、効果的な早期警報システムの緊急性を浮き彫りにしています。世界銀行によると、発展途上国の洪水早期警報システムを先進標準にアップグレードすることで、年間平均 23,000 人の命を救うことができるとのことです。しかし、個々の流域の調整の必要性や脆弱な地域での限られた予測などの課題は依然として残っています。この記事では、人工知能 (AI) を使用して河川の洪水を最大 5 日前に予測することを検討した Google の研究論文を理解し、80 か国以上、特にデータが不足し脆弱な地域に対する潜在的な影響について詳しく説明します。

洪水の壊滅的な影響

洪水は最も一般的な種類の自然災害であり、洪水関連災害の発生率は 2000 年以来 XNUMX 倍以上に増加しています。この増加は、人為的気候変動によって引き起こされる水循環の加速に起因すると考えられています。洪水の影響は、人口が洪水のリスクに対して非常に脆弱である発展途上国で特に深刻です。洪水の壊滅的な影響は、人命と財産への影響を軽減するために、正確かつタイムリーな洪水警報の緊急の必要性を浮き彫りにしています。

洪水予報の現状

洪水予測の現状は、特に水文予測モデルが校正のためにより信頼性の高いデータを必要とする未計測流域において、課題に直面しています。この制限により、特に洪水の人的影響を受けやすい地域では、洪水予測の精度とリードタイムが妨げられます。発展途上国では密な流量計ネットワークが不足しているため、洪水警報の不正確さがさらに悪化しており、信頼できる洪水予測への世界的なアクセスを改善することが重要な必要性を浮き彫りにしています。

希望の光: Google AI が救いの手を差し伸べる

Google 人工知能 (AI) は、世界規模の洪水予測の課題に対する有望な解決策を示しています。 AI とオープン データセットを活用することで、極端な河川事象の短期予測の精度、再現率、リードタイムを大幅に改善できる可能性があります。 80 か国以上でリアルタイムで公的に利用可能な予測を生成する運用システムの開発は、計測されていない流域で早期かつ正確な洪水警報を発する AI の可能性を実証しています。これは、信頼できる洪水予測と早期警報システムへの世界的なアクセスを強化する上での大きな進歩を示しています。

Google 研究論文: AI が洪水予測に革命をもたらす

　 Googleの研究論文 は、オープンな公開データセットで訓練された人工知能 (AI) を使用した洪水予測の大幅な進歩を示しています。この研究では、国際河川における極端な現象の予測への世界的なアクセスに革命をもたらす AI の可能性を評価しています。 AI を活用することで、7 か国以上で短期 (80 日間) の洪水予測を生成する運用システムが開発され、金銭請求や Web サイトへの登録などのアクセス障壁なしでリアルタイムの予測を提供します。

AI を使用した世界規模の洪水予測

Google の研究論文では、世界規模の洪水予測における AI の使用について詳しく説明しており、水文ナウキャスト モデルに関するこれまでの研究を拡張する AI 流量予測モデルの開発に焦点を当てています。モデルが利用しているのは、 長短期記憶 (LSTM) ネットワークを利用して、7 日間の予測期間を通じて毎日の河川流量を予測します。特に、AI モデルはストリームフロー データを入力として使用せず、特に計測されていない場所でのリアルタイム データ可用性の課題に対処しています。モデル アーキテクチャには、履歴および予測気象入力データ用に個別の LSTM ユニットを備えたエンコーダー/デコーダー モデルが組み込まれています。

オープンデータからリアルタイム予測へ

AI モデルに基づいて開発された運用システムは、80 か国以上でリアルタイムの洪水予測を提供し、信頼性の高い洪水警報への世界的なアクセスを向上させる上で重要なマイルストーンとなります。リアルタイムでの予測の可用性によって実証されるように、アクセスの障壁なく短期予測を生成するシステムの機能

 しかも無料で、洪水イベントの早期警報システムを強化する AI の可能性を強調しています。

最先端を超えて

AI モデルのパフォーマンスは、現在の最先端のグローバル モデリング システムであるコペルニクス緊急管理サービスのグローバル洪水認識システム (GloFAS）。この研究では、AI ベースの予測により、計測されていない流域での極端な河川事象を最大 5 日間のリードタイムで予測する信頼性が達成され、これは GloFAS のナウキャストの信頼性と同等かそれ以上であると報告されています。さらに、5 年間の再現期間のイベントに対する AI モデルの精度は、1 年間の再現期間のイベントに対する現在の精度と同等かそれ以上であり、計測されていない流域でより大規模で影響力のあるイベントに対して、早期かつ正確な洪水警報を提供できる可能性を示しています。

内部: AI モデル

頭脳を構築する

AI 流量予測モデルは、LSTM ネットワークを使用して水文ナウキャスト モデルに関する以前の研究を拡張し、気象入力データから一連の流量データをシミュレートします。このモデルは、気象入力データの履歴シーケンス上で実行される 7 つの LSTM (エンコーダー LSTM) と、気象予測からの入力を使用して 152,259 日間の予測期間上で実行される別の LSTM (デコーダー LSTM) を備えたエンコーダー - デコーダー アーキテクチャを使用します。計測されていない場所ではリアルタイム データが利用できないため、モデルはストリームフロー データを入力として使用せず、ベンチマーク (GloFAS) は自己回帰入力を使用しません。データセットには、5,680 流域からの 60 年間のモデル入力と流量ターゲットが含まれており、ディスクに保存される合計サイズは XNUMX GB です。

データのタイムライン

この図は、AI モデルによるトレーニングと予測に使用される各ソースからの利用可能なデータ期間を示しています。トレーニング中に、欠損データは、別のデータ ソースからの同様の変数を使用するか、平均値を代入し、代入された値を示すバイナリ フラグを追加することによって代入されました。このモデルは、エンコーダーとデコーダーの両方の LSTM に対して 365 日のハインドキャスト シーケンス長と 256 セル状態の隠れたサイズを使用します。

AI モデルはどの程度正確に予測しますか?

AI モデルのパフォーマンスは、サンプル外の予測を確実にするために時間と空間に分割された 5,680 個のゲージからのデータを使用した相互検証実験を使用して評価されました。このモデルは、各タイム ステップでの面積正規化流量にわたる単一の非対称ラプラシアン分布のパラメーターを予測し、リード タイムを予測します。このモデルは、バッチ サイズ 50,000 の 256 ミニバッチでトレーニングされ、平均を減算し、トレーニング期間のデータの標準偏差で割ることによって入力が標準化されました。

モデルをテストする

相互検証実験には、大陸、気候帯、水文学的に分離された流域のグループにわたる分割が含まれていました。 AI モデルは場所と時間の両方でサンプル外で評価され、結果は、別々にトレーニングされた 3 つのエンコーダー/デコーダー LSTM のアンサンブルから予測されたハイドログラフの平均から得られたハイドログラフ上で報告されました。

ハイドログラフメトリックを使用したモデルの評価

AI モデルのハイドログラフ メトリクスと GloFAS の全体的な評価ゲージが評価され、リード タイムが増加するにつれてスコアが減少しました。結果は 2014 年から 2021 年の期間について計算され、その指標は拡張データ表 1 にリストされました。さらに、GloFAS が校正されている 1,144 のゲージにわたる AI モデルと GloFAS のハイドログラフ指標が評価され、リードが増加するにつれてスコアが減少しました。時間。

AI は何が機能するのでしょうか?

信頼性分類器によるフィーチャの重要度ランキングを使用して、どの地球物理的属性が AI モデルの信頼性の高低を決定するかを示しました。 AI モデルの最も重要な特徴には、排水面積、平均年間潜在蒸発散量 (PET)、平均年間実蒸発散量 (AET)、標高が含まれます。これらの属性は信頼性スコアと相関しており、モデル内の高度な非線形性とパラメーターの相互作用が示されています。

まとめ

水文モデリングは成熟していますが、洪水が発生しやすい地域の多くには、信頼できる予測システムや早期警報システムがありません。 Google の研究論文は、AI とオープンデータを活用することで、極端な河川事象に対する短期予報の精度、再現率、リードタイムを大幅に改善できることを示しています。 AI ベースの予測は、現在の世界的なナウキャストの信頼性を 5 日間のリードタイムに拡張し、アフリカの予測スキルをヨーロッパと同等のレベルに向上させることで、有望なソリューションを提供します。

さらに、これらの予測をアクセス障壁なしでリアルタイムで公的に提供することで、洪水警報をタイムリーに伝達することが可能になります。このような進歩にもかかわらず、Caravan のようなオープンソースの取り組みを通じて正確なモデルとリアルタイムの更新をトレーニングするために水文データへのアクセスを増やすことで、さらなる改善の余地があります。世界規模の洪水予測と早期警報を強化することは、生命と財産に対する洪水の壊滅的な影響から世界中の何百万もの人々を守るために重要です。 AI、オープンデータ、共同作業を組み合わせることで、この重要な目標に向けた道が開かれます。

• SEO を活用したコンテンツと PR 配信。 今日増幅されます。
• PlatoData.Network 垂直生成 Ai。 自分自身に力を与えましょう。 こちらからアクセスしてください。
• プラトアイストリーム。 Web3 インテリジェンス。 知識増幅。 こちらからアクセスしてください。
• プラトンESG。 カーボン、 クリーンテック、 エネルギー、 環境、 太陽、 廃棄物管理。 こちらからアクセスしてください。
• プラトンヘルス。 バイオテクノロジーと臨床試験のインテリジェンス。 こちらからアクセスしてください。
• 情報源： https://www.analyticsvidhya.com/blog/2024/03/google-ai-predicts-riverine-flood-in-advance/