1 月 30 日消息，據外媒報道，洪水是世界上最常見(jiàn)、最致命的自然災害之一，每年會(huì )造成數以萬(wàn)計的人死亡，另有數億人流離失所。此外，這些洪水造成的財產(chǎn)損失也同樣龐大。僅從 2005 年到 2014 年的美國，洪水保險索賠總額平均每年超過(guò) 35 億美元。

　　毋庸置疑，準確預測洪水將產(chǎn)生巨大回報。有些研究顯示，預警系統可以將死亡人數和經(jīng)濟損失減少三分之一以上。幸運的是，在人工智能(AI)的幫助下，科學(xué)家們繼續一步步地朝這個(gè)方向邁進(jìn)。在 Arxiv.org 上發(fā)表的最新論文中，來(lái)自谷歌、以色列理工學(xué)院以及巴伊蘭大學(xué)的研究人員描述了一種機器學(xué)習系統，它可以準確預測河流洪水。

　　這項研究是對谷歌去年晚些時(shí)候在印度帕特納工作的回顧。在那里，谷歌與印度中央水務(wù)委員會(huì )(Central Water Commission)合作，試行了一種洪水預測模型。它的基礎是哈佛大學(xué)和谷歌于 2018 年 8 月發(fā)布的研究成果，該研究描述了能夠預測大地震后一年內余震位置的 AI 模型。此外，還有 Facebook AI 研究人員去年 12 月發(fā)表的研究成果，他們開(kāi)發(fā)的技術(shù)能夠分析衛星圖像，并量化火災和其他災害造成的損害。

　　研究人員寫(xiě)道：“有效的河流洪水規模預測受到多種因素的阻礙，最明顯的是，在目前的方法中，需要依賴(lài)人類(lèi)校準、特定地點(diǎn)的數據量十分有限以及建立足夠精模型面臨的計算難度。機器學(xué)習在這種場(chǎng)景中非常有用：在復雜的高維場(chǎng)景中，受過(guò)訓練的模型的表現經(jīng)?？沙^(guò)人類(lèi)專(zhuān)家。”

　　正如論文所指出的那樣，建立洪水預測模型的最大挑戰之一是參數校準，這是個(gè)旨在將算法的預測結果與某些基線(xiàn)測量結果相匹配的優(yōu)化過(guò)程。標準方法涉及大量的手工工作，并且常常導致無(wú)法泛化的模型。

　　研究人員通過(guò)對河流水位的實(shí)時(shí)測量和短期預測，克服了其中的某些障礙，他們的模型由此生成了洪水圖，即顯示一系列水位范圍內可能發(fā)生洪水的地圖，并借此估計爆發(fā)洪水的范圍。研究人員聲稱(chēng)，根據 2018 年季風(fēng)季節生成的警報，模型預測的準確率可達 300 米，召回率和準確率分別超過(guò) 90% 和 75%。

　　該研究的作者寫(xiě)道：“幾十年來(lái)，人們對洪水的物理過(guò)程的了解相對較多，而相對較少的校準是必要的。”也就是說(shuō)，這并不是個(gè)完美的模型，因為基于物理模擬的計算成本很高，而且由于輸入錯誤而容易出現不精確結果。但該小組認為，機器學(xué)習技術(shù)是改善未來(lái)預測的關(guān)鍵，這些技術(shù)將來(lái)可能會(huì )被用來(lái)預測不是用物理模型模擬的事件，如融雪和河流排放。

　　研究人員認為，這些研究成果最終將進(jìn)入谷歌的 Google Public Alert 程序，該程序向谷歌搜索、谷歌地圖以及谷歌新聞等應用的用戶(hù)通報正在發(fā)生或即將發(fā)生的自然災害，如颶風(fēng)、火山爆發(fā)、海嘯和地震等。目前，美國、澳大利亞、加拿大、哥倫比亞、日本、臺灣、印尼、墨西哥、菲律賓、印度、新西蘭以及巴西的政府機構參加了這個(gè)項目。

　　研究人員表示：“我們相信機器學(xué)習可以提高多個(gè)組件的質(zhì)量。為了實(shí)現這一點(diǎn)，我們正在收集、組織和組合來(lái)自不同來(lái)源的開(kāi)放數據集，以使機器學(xué)習社區更容易訪(fǎng)這些研究成果。”
　?。?a href="http://m.lsbmaoyi.com">邯鄲網(wǎng)站建設）