ИИ в прогнозировании наводнений
ИИ превращает данные об осадках, уровнемерах рек, местности и спутниковые данные в точные прогнозы наводнений на несколько часов или дней вперед, в том числе, где поднимется вода и насколько высоко.
Обзор
Better forecasts mean earlier evacuations and fewer lives lost.
Глубокое погружение
Наводнения являются наиболее распространенным стихийным бедствием, а традиционные гидрологические модели могут быть медленными, дорогостоящими в калибровке и требующими большого количества данных. ИИ меняет правила игры, изучая взаимосвязь между количеством осадков, влажностью почвы, уровнем рек и наводнениями в нижнем течении непосредственно на основе исторических данных. Например, Flood Hub Google использует машинное обучение, обученное на десятилетиях записей, для прогнозирования речных наводнений на срок до семи дней вперед в более чем 100 странах, включая неизмеренные бассейны, где не существует местной модели. Модели объединяют прогнозы погоды с «гидрологическим» этапом (сколько воды достигает рек) и этапом «наводнения» (когда вода распространяется по карте). Результатом являются карты наводнений на уровне улиц, предоставляемые через Поиск, Карты и оповещения, а также партнерские отношения с организациями по оказанию помощи для охвата уязвимых сообществ.
Техническая информация
Модели последовательностей, такие как LSTM, хорошо подходят для анализа наводнений, поскольку они фиксируют, как осадки накапливаются и проходят через бассейн с течением времени. Подход Google основан на глобальных гидрометрических данных, поэтому единая модель обобщается на реки без местных датчиков, что является большой победой для развивающегося мира. В прогнозах гидрологическая модель (предсказывающая расход воды в реке) сочетается с моделью затопления, которая отображает сток на местности для оценки масштабов и глубины наводнения.
Стратегическое воздействие
Выбор сборки
Проектирование на уровне приложения определяет, улучшит ли ИИ реальные результаты.
Команда и рабочий процесс
Хорошая интеграция рабочих процессов обеспечивает повышение производительности, которому пользователи могут доверять.
Риски и безопасность
Хорошо продуманные варианты использования снижают усталость от изменений и риск внедрения.
Будущее искусственного интеллекта в прогнозировании наводнений
Прогнозы будут распространяться дальше и станут более локальными, объединяя спутниковые радары, миссии по измерению влажности почвы и плотные датчики Интернета вещей. Ожидайте более тесной связи с погодными моделями искусственного интеллекта (которые теперь конкурируют с прогнозами, основанными на физике), чтобы увеличить время выполнения заказов и повысить точность. Охват ливневых паводков и городского дренажа, наиболее сложных на сегодняшний день случаев, должен улучшиться по мере поступления данных и моделей более высокого разрешения. Frontier — это гиперлокальный риск на уровне здания, автоматически доставляемый любому, у кого есть телефон, включая прибрежные и комплексные наводнения.
Реальная реализация
Google Flood Hub выпускает прогнозы речных паводков на срок до 7 дней в более чем 100 странах, включая регионы с дефицитом данных.
Агентства по ликвидации последствий стихийных бедствий используют карты наводнений с использованием искусственного интеллекта для определения времени эвакуации и предварительного размещения спасательных лодок и припасов.
Страховщики и градостроители моделируют будущие зоны, подверженные наводнениям, чтобы устанавливать премии и принимать решения по зонированию.
Операторы водохранилищ используют прогнозируемые притоки для раннего сброса воды и предотвращения катастрофического перекрытия плотины.
Риски и ограничения
Автоматизация сломанного процесса может усугубить существующие проблемы.
Команды могут чрезмерно автоматизировать и исключить необходимое человеческое суждение.
Качество может ухудшиться, если результаты не будут оцениваться постоянно.
Дорожная карта реализации
Составьте карту текущего рабочего процесса и определите этап, вызывающий наибольшие затруднения.
Определите человеческие контрольно-пропускные пункты перед полной автоматизацией.
Обучайте пользователей подсказкам, путям эскалации и стандартам качества.
Отслеживайте результаты на уровне задач, чтобы подтвердить устойчивую ценность.
Продолжайте исследовать
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
Следующее руководство
ИИ в прогнозировании ветровой и солнечной энергии
Часто задаваемые вопросы
What is AI in Flood Forecasting?
ИИ превращает данные об осадках, уровнемерах рек, местности и спутниковые данные в точные прогнозы наводнений на несколько часов или дней вперед, в том числе, где поднимется вода и насколько высоко. Лучшие прогнозы означают более раннюю эвакуацию и меньшее количество потерянных жизней.
Какие два этапа обычно объединяют прогнозы наводнений с помощью Google?
Гидрологическая модель предсказывает, сколько воды достигнет рек, а модель наводнений отображает места распространения этой воды на местности.
Почему модели искусственного интеллекта особенно ценны в «неизмеренных» бассейнах?
Обученная на глобальных данных, одна модель может давать полезные прогнозы даже для рек, где нет местных станций мониторинга.
Какой тип модели подходит для наводнений, поскольку он учитывает количество осадков, накапливающихся с течением времени?
LSTM хорошо обрабатывают временные ряды, моделируя, как дождь накапливается и проходит через бассейн, формируя уровни реки.
На каком расстоянии Google Flood Hub может прогнозировать речные наводнения?
Flood Hub предоставляет прогнозы для многих рек по всему миру на срок до семи дней вперед.
Какой тип наводнений остается одним из самых тяжелых для существующих систем?
Ливневые паводки и городской сток происходят быстро и локально, что требует данных и моделей более высокого разрешения, чем медленные речные паводки.