1 月 30 日消息，據(jù)外媒報道，洪水是世界上最常見、最致命的自然災(zāi)害之一，每年會造成數(shù)以萬計的人死亡，另有數(shù)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 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(tǒng)可以將死亡人數(shù)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，科學家們繼續(xù)一步步地朝這個方向邁進。在 Arxiv.org 上發(fā)表的最新論文中，來自谷歌、以色列理工學院以及巴伊蘭大學的研究人員描述了一種機器學習系統(tǒng)，它可以準確預測河流洪水。

　　這項研究是對谷歌去年晚些時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(Central Water Commission)合作，試行了一種洪水預測模型。它的基礎(chǔ)是哈佛大學和谷歌于 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(nèi)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，他們開發(fā)的技術(shù)能夠分析衛(wèi)星圖像，并量化火災(zāi)和其他災(zāi)害造成的損害。

　　研究人員寫道：“有效的河流洪水規(guī)模預測受到多種因素的阻礙，最明顯的是，在目前的方法中，需要依賴人類校準、特定地點的數(shù)據(jù)量十分有限以及建立足夠精模型面臨的計算難度。機器學習在這種場景中非常有用：在復雜的高維場景中，受過訓練的模型的表現(xiàn)經(jīng)常可超過人類專家。”

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

　　研究人員通過對河流水位的實時測量和短期預測，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(nèi)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，根據(jù) 2018 年季風季節(jié)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 90% 和 75%。

　　該研究的作者寫道：“幾十年來，人們對洪水的物理過程的了解相對較多，而相對較少的校準是必要的。”也就是說，這并不是個完美的模型，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(xiàn)不精確結(jié)果。但該小組認為，機器學習技術(shù)是改善未來預測的關(guān)鍵，這些技術(shù)將來可能會被用來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(yīng)用的用戶通報正在發(fā)生或即將發(fā)生的自然災(zāi)害，如颶風、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(gòu)參加了這個項目。

　　研究人員表示：“我們相信機器學習可以提高多個組件的質(zhì)量。為了實現(xiàn)這一點，我們正在收集、組織和組合來自不同來源的開放數(shù)據(jù)集，以使機器學習社區(qū)更容易訪這些研究成果。”
　　（邯鄲網(wǎng)站建設(shè)）