Predstavitev

Poplave nesorazmerno prizadenejo države v razvoju z redkimi mrežami merilnih tokov, kar poudarja potrebo po natančnih zgodnjih opozorilih. Pospeševanje nesreč, povezanih s poplavami zaradi podnebnih sprememb, poudarja nujnost učinkovitih sistemov zgodnjega opozarjanja, zlasti v državah z nizkimi in srednjimi dohodki, kjer živi 90 % ranljivega prebivalstva. Po podatkih Svetovne banke bi lahko nadgradnja sistemov zgodnjega opozarjanja pred poplavami v državah v razvoju na razvite standarde rešila povprečno 23,000 življenj letno. Vendar ostajajo izzivi, vključno s potrebo po kalibraciji posameznega povodja in omejenim napovedovanjem v ranljivih regijah. V tem članku bomo razumeli Googlov raziskovalni članek, ki raziskuje uporabo umetne inteligence (AI) za napovedovanje rečnih poplav do 5 dni vnaprej, s podrobnostmi o morebitnih posledicah za več kot 80 držav, zlasti v regijah s pomanjkanjem podatkov in v ranljivih regijah.

Uničujoče posledice poplav

Poplave so najpogostejša vrsta naravnih nesreč in stopnja nesreč, povezanih s poplavami, se je od leta 2000 več kot podvojila. To povečanje pripisujejo pospešenemu hidrološkemu ciklu, ki ga povzročajo antropogene podnebne spremembe. Učinki poplav so še posebej hudi v državah v razvoju, kjer je prebivalstvo zelo ranljivo za poplavna tveganja. Uničujoče posledice poplav poudarjajo nujno potrebo po natančnih in pravočasnih opozorilih pred poplavami za ublažitev vpliva na človeška življenja in premoženje.

Trenutno stanje napovedovanja poplav

Trenutno stanje napovedovanja poplav se sooča z izzivi, zlasti v nemerjenih bazenih, kjer hidrološki modeli za napovedovanje potrebujejo zanesljivejše podatke za kalibracijo. Ta omejitev ovira točnost in čas napovedi poplav, zlasti na območjih, ki so izpostavljena človeškim vplivom poplav. Pomanjkanje gostih mrež merilnih tokov v državah v razvoju še poslabša netočnost opozoril pred poplavami, kar poudarja kritično potrebo po izboljšanem globalnem dostopu do zanesljivih napovedi poplav.

Žarek upanja: Google AI na pomoč

Googlova umetna inteligenca (AI) predstavlja obetavno rešitev za izzive globalnega napovedovanja poplav. Z izkoriščanjem umetne inteligence in odprtih naborov podatkov obstaja potencial za znatno izboljšanje natančnosti, odpoklica in časa priprave kratkoročnih napovedi ekstremnih rečnih dogodkov. Razvoj operativnega sistema, ki proizvaja javno dostopne napovedi v realnem času v več kot 80 državah, dokazuje potencial umetne inteligence za zagotavljanje zgodnjih in natančnih opozoril o poplavah v nemerjenih bazenih. To pomeni pomemben napredek pri izboljšanju globalnega dostopa do zanesljivih napovedi poplav in sistemov zgodnjega opozarjanja.

Googlov raziskovalni dokument: AI revolucionira napovedovanje poplav

O Googlov raziskovalni članek predstavlja pomemben napredek pri napovedovanju poplav z uporabo umetne inteligence (AI), usposobljene za odprte in javne zbirke podatkov. Študija ocenjuje potencial umetne inteligence za revolucijo globalnega dostopa do napovedi ekstremnih dogodkov v mednarodnih rekah. Z uporabo umetne inteligence je bil razvit operativni sistem za izdelavo kratkoročnih (7-dnevnih) napovedi poplav v več kot 80 državah, ki zagotavljajo napovedi v realnem času brez ovir za dostop, kot so denarni stroški ali registracija na spletnem mestu.

Uporaba AI za globalne napovedi poplav

Googlov raziskovalni članek se poglobi v uporabo umetne inteligence za globalne napovedi poplav, pri čemer poudarja razvoj modela umetne inteligence za napovedovanje pretoka toka, ki razširja prejšnje delo na modelih hidroloških trenutnih napovedi. Model uporablja dolgi kratkoročni spomin (LSTM) omrežij za napovedovanje dnevnega toka skozi 7-dnevno obdobje napovedi. Predvsem model umetne inteligence ne uporablja podatkov o toku toka kot vhodnih podatkov, kar obravnava izziv razpoložljivosti podatkov v realnem času, zlasti na nemerjenih lokacijah. Arhitektura modela vključuje model kodirnika-dekoderja z ločenimi enotami LSTM za zgodovinske in napovedane meteorološke vhodne podatke.

Od odprtih podatkov do napovedi v realnem času

Operativni sistem, razvit na podlagi modela umetne inteligence, zagotavlja napovedi poplav v realnem času v več kot 80 državah, kar pomeni pomemben mejnik pri izboljšanju globalnega dostopa do zanesljivih opozoril o poplavah. Sposobnost sistema za izdelavo kratkoročnih napovedi brez ovir za dostop, kar dokazuje razpoložljivost napovedi v realnem času

 in brezplačno, poudarja potencial umetne inteligence za izboljšanje sistemov zgodnjega opozarjanja na poplave.

Onkraj najsodobnejšega

Zmogljivost modela AI presega trenutni najsodobnejši globalni sistem modeliranja, globalni sistem za obveščanje o poplavah Copernicus Emergency Management Service (GloFAS). Študija poroča, da napovedovanje na osnovi umetne inteligence dosega zanesljivost pri napovedovanju ekstremnih rečnih dogodkov v nemerjenih povodjih v času do petih dni, kar je primerljivo ali boljše od zanesljivosti trenutnih napovedi GloFAS. Poleg tega je natančnost modela AI glede dogodkov v petletnem povratnem obdobju podobna ali boljša od trenutne natančnosti v dogodkih v enoletnem povratnem obdobju, kar kaže na njegov potencial za zagotavljanje zgodnjih in natančnih opozoril o poplavah pri večjih in bolj vplivnih dogodkih v nemerjenih bazenih.

Pod pokrovom: Model AI

Gradnja možganov

Model napovedovanja tokov z umetno inteligenco razširja prejšnje delo na hidroloških modelih trenutnih napovedi z uporabo omrežij LSTM za simulacijo zaporedij podatkov o tokovih iz meteoroloških vhodnih podatkov. Model uporablja arhitekturo kodirnika-dekoderja z enim LSTM, ki teče čez zgodovinsko zaporedje meteoroloških vhodnih podatkov (kodirnik LSTM), in drugim LSTM, ki teče čez 7-dnevno napovedno obdobje z vhodi iz meteoroloških napovedi (dekodirnik LSTM). Model ne uporablja podatkov o toku toka kot vhodnih podatkov zaradi nerazpoložljivosti podatkov v realnem času na neizmerjenih lokacijah, merilo uspešnosti (GloFAS) pa ne uporablja avtoregresivnih vhodnih podatkov. Nabor podatkov vključuje vnose modelov in cilje pretoka za 152,259 let iz 5,680 porečij, s skupno velikostjo 60 GB, shranjenih na disku.

Podatkovna časovnica

Slika prikazuje razpoložljiva obdobja podatkov iz vsakega vira, uporabljenega za usposabljanje in napovedovanje z modelom AI. Med usposabljanjem so bili manjkajoči podatki imputirani z uporabo podobne spremenljivke iz drugega vira podatkov ali z imputiranjem s srednjo vrednostjo in dodajanjem binarne zastavice, ki označuje pripisano vrednost. Model uporablja dolžino zaporedja zadaj 365 dni, s skrito velikostjo 256 stanj celice za LSTM kodirnika in dekodirnika.

Kako dobro model AI napoveduje?

Delovanje modela umetne inteligence je bilo ocenjeno s poskusi navzkrižne validacije, pri čemer so bili podatki iz 5,680 merilnikov razdeljeni v času in prostoru, da se zagotovijo napovedi zunaj vzorca. Model napove parametre ene same asimetrične Laplacove porazdelitve glede na območje normaliziranega pretoka toka v vsakem časovnem koraku in predvidenem času. Model je bil učen na 50,000 mini serijah z velikostjo serije 256 in standardiziranimi vhodi z odštevanjem povprečja in deljenjem s standardnim odklonom podatkov obdobja usposabljanja.

Testiranje modela

Poskusi navzkrižne validacije so vključevali delitve po celinah, podnebnih območjih in skupinah hidrološko ločenih porečij. Model umetne inteligence je bil ovrednoten izven vzorca tako glede lokacije kot časa, rezultati pa so bili sporočeni prek hidrograma, ki je bil rezultat povprečenja predvidenih hidrogramov skupine treh ločeno usposobljenih LSTM kodirnikov in dekoderjev.

Vrednotenje modela z metriko hidrografa

Ocenjene so bile metrike hidrografov za model AI in splošni merilniki vrednotenja GloFAS, pri čemer so se rezultati zmanjševali s podaljševanjem časa priprave. Rezultati so bili izračunani za časovno obdobje 2014–2021, meritve pa so bile navedene v tabeli z razširjenimi podatki 1. Poleg tega so bile ovrednotene hidrografske meritve za model AI in GloFAS na 1,144 merilnih mestih, kjer je GloFAS umerjen, pri čemer so se rezultati zmanjševali z naraščajočo prednostjo. čas.

Kaj dela AI?

Razvrstitve pomembnosti značilnosti iz klasifikatorjev zanesljivosti so bile uporabljene za navedbo, kateri geofizični atributi določajo visoko zanesljivost v primerjavi z nizko v modelu AI. Najpomembnejše značilnosti modela AI so vključevale drenažno površino, srednjo letno potencialno evapotranspiracijo (PET), srednjo letno dejansko evapotranspiracijo (AET) in nadmorsko višino. Ti atributi so bili povezani z rezultati zanesljivosti, kar kaže na visoko stopnjo nelinearnosti in interakcije parametrov v modelu.

zaključek

Medtem ko je hidrološko modeliranje dozorelo, številne regije, ki so izpostavljene poplavam, nimajo zanesljivih sistemov za napovedovanje in zgodnje opozarjanje. Googlov raziskovalni dokument prikazuje, kako lahko uporaba umetne inteligence in odprtih podatkov bistveno izboljša natančnost kratkoročnih napovedi, priklic in čas za ekstremne rečne dogodke. Napovedovanje, ki temelji na umetni inteligenci, ponuja obetavno rešitev z razširitvijo zanesljivosti trenutnih globalnih napovedi na 5-dnevni pretočni čas in izboljšanjem veščin napovedovanja v Afriki na ravni, primerljive z Evropo.

Poleg tega javno zagotavljanje teh napovedi v realnem času brez ovir za dostop omogoča pravočasno širjenje opozoril pred poplavami. Kljub temu napredku obstaja prostor za nadaljnje izboljšave s povečanjem dostopa do hidroloških podatkov za usposabljanje natančnih modelov in posodobitev v realnem času prek odprtokodnih pobud, kot je Caravan. Izboljšanje globalnih napovedi poplav in zgodnjega opozarjanja je ključnega pomena za zaščito milijonov po vsem svetu pred uničujočimi vplivi poplav na življenja in premoženje. Združevanje umetne inteligence, odprtih podatkov in skupnih prizadevanj utira pot k temu ključnemu cilju.

• Distribucija vsebine in PR s pomočjo SEO. Okrepite se še danes.
• PlatoData.Network Vertical Generative Ai. Opolnomočite se. Dostopite tukaj.
• PlatoAiStream. Web3 Intelligence. Razširjeno znanje. Dostopite tukaj.
• PlatoESG. Ogljik, CleanTech, Energija, Okolje, sončna energija, Ravnanje z odpadki. Dostopite tukaj.
• PlatoHealth. Obveščanje o biotehnologiji in kliničnih preskušanjih. Dostopite tukaj.
• vir: https://www.analyticsvidhya.com/blog/2024/03/google-ai-predicts-riverine-flood-in-advance/