Sztuczna inteligencja w prognozowaniu powodzi
Sztuczna inteligencja przekształca dane dotyczące opadów, wskaźników rzek, terenu i danych satelitarnych w dokładne prognozy powodzi z wyprzedzeniem kilku godzin lub dni, w tym dotyczące miejsca i wysokości podniesienia się wody.
Przegląd
Better forecasts mean earlier evacuations and fewer lives lost.
Głębokie nurkowanie
Powodzie są najczęstszą klęską żywiołową, a tradycyjne modele hydrologiczne mogą być powolne, kosztowne w kalibracji i wymagać dużej ilości danych. Sztuczna inteligencja zmienia grę, ucząc się związku między opadami deszczu, wilgotnością gleby, poziomem rzek i powodziami w dole rzeki bezpośrednio z danych historycznych. Na przykład Flood Hub firmy Google wykorzystuje uczenie maszynowe wytrenowane na podstawie kilkudziesięciu lat danych do prognozowania powodzi rzecznych z wyprzedzeniem do siedmiu dni w ponad 100 krajach, w tym w basenach niezmierzonych, w których nie istnieje model lokalny. Modele łączą prognozy pogody z etapem „hydrologicznym” (ile wody dociera do rzek) i etapem „zalewu” (w którym woda rozprzestrzenia się na mapie). Rezultatem są mapy powodziowe na poziomie ulic udostępniane za pośrednictwem wyszukiwarki, map i alertów, a także współpraca z organizacjami humanitarnymi w celu dotarcia do bezbronnych społeczności.
Wgląd techniczny
Modele sekwencyjne, takie jak LSTM, dobrze nadają się do powodzi, ponieważ rejestrują gromadzenie się opadów i ich przebieg przez zlewnię w czasie. Podejście zastosowane w projekcie Google opiera się na globalnych danych dotyczących skrajni, więc pojedynczy model uogólnia działania na rzeki bez lokalnych czujników, co jest wielką zaletą dla świata rozwijającego się. Prognozy łączą model hydrologiczny (przewidujący przepływ rzeki) z modelem zalewowym, który odwzorowuje przepływ na teren w celu oszacowania zasięgu i głębokości powodzi.
Wpływ strategiczny
Buduj wybory
Projektowanie na poziomie aplikacji określa, czy sztuczna inteligencja poprawia rzeczywiste wyniki.
Zespół i przepływ pracy
Dobra integracja przepływu pracy zapewnia wzrost produktywności, któremu użytkownicy mogą zaufać.
Ryzyko i bezpieczeństwo
Dobrze określone przypadki użycia zmniejszają zmęczenie zmianami i ryzyko wdrożenia.
Przyszłość sztucznej inteligencji w prognozowaniu powodzi
Prognozy będą sięgać dalej i będą miały charakter bardziej lokalny, łącząc radar satelitarny, misje dotyczące wilgotności gleby i gęste wskaźniki IoT. Spodziewaj się ściślejszego powiązania z modelami pogodowymi AI (które obecnie rywalizują z prognozami opartymi na fizyce), aby wydłużyć czas realizacji i zwiększyć dokładność. Objęcie gwałtownymi powodziami i odwadnianiem miast, czyli najcięższych obecnie przypadków, powinno się poprawić w miarę napływania danych i modeli o wyższej rozdzielczości. Granica to hiperlokalne ryzyko na poziomie budynku, dostarczane automatycznie każdemu posiadaczowi telefonu, obejmujące zdarzenia powodziowe na obszarach przybrzeżnych i złożone.
Implementacja w świecie rzeczywistym
Google Flood Hub publikuje prognozy powodzi na rzekach z wyprzedzeniem do 7 dni w ponad 100 krajach, w tym w regionach, w których brakuje danych.
Agencje zajmujące się klęskami żywiołowymi korzystają z map powodzi opartych na sztucznej inteligencji do ustalania czasu ewakuacji i wstępnego rozmieszczania łodzi ratowniczych i zaopatrzenia.
Ubezpieczyciele i planiści miejscy modelują przyszłe strefy zagrożone powodzią, aby ustalać składki i kierować decyzjami dotyczącymi zagospodarowania przestrzennego.
Operatorzy zbiorników wykorzystują prognozowane dopływy, aby wcześnie uwolnić wodę i uniknąć katastrofalnego przepełnienia tamy.
Zagrożenia i poręcze
Automatyzacja uszkodzonego procesu może spotęgować istniejące problemy.
Zespoły mogą nadmiernie zautomatyzować i wyeliminować niezbędny ludzki osąd.
Jakość może się wahać, jeśli wyniki nie są stale oceniane.
Plan wdrożenia
Zamapuj bieżący przepływ pracy i zidentyfikuj etap o największym tarciu.
Zdefiniuj ludzkie punkty kontrolne przed pełną automatyzacją.
Szkoluj użytkowników w zakresie podpowiedzi, ścieżek eskalacji i standardów jakości.
Śledź wyniki na poziomie zadań, aby potwierdzić trwałą wartość.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Flood Forecasting quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
Sztuczna inteligencja w prognozowaniu energii wiatrowej i słonecznej
Często zadawane pytania
What is AI in Flood Forecasting?
Sztuczna inteligencja przekształca dane dotyczące opadów, wskaźników rzek, terenu i danych satelitarnych w dokładne prognozy powodzi z wyprzedzeniem kilku godzin lub dni, w tym dotyczące miejsca i wysokości podniesienia się wody. Lepsze prognozy oznaczają wcześniejsze ewakuacje i mniejszą liczbę ofiar śmiertelnych.
Jakie dwa etapy zazwyczaj łączy prognoza powodzi Google?
Model hydrologiczny przewiduje, ile wody dociera do rzek, a model zalewowy mapuje, gdzie woda rozprzestrzenia się po terenie.
Dlaczego modele sztucznej inteligencji są szczególnie cenne w basenach „niezmierzonych”?
Wytrenowany na danych globalnych pojedynczy model może sporządzić przydatne prognozy nawet dla rzek bez lokalnych stacji monitorujących.
Który typ modelu sprawdza się w przypadku powodzi, ponieważ rejestruje opady atmosferyczne gromadzące się w czasie?
LSTM dobrze radzą sobie z szeregami czasowymi, modelując gromadzenie się deszczu i jego przebieg przez dorzecze, tworząc poziom rzek.
Jak daleko do przodu Google Flood Hub może prognozować powodzie rzeczne?
Flood Hub zapewnia prognozy dla wielu rzek na całym świecie z siedmiodniowym wyprzedzeniem.
Który rodzaj zalania pozostaje jednym z najtrudniejszych w obecnych systemach?
Gwałtowne powodzie i odpływy miejskie zachodzą szybko i lokalnie, co wymaga danych i modeli o wyższej rozdzielczości niż powolne powodzie rzeczne.