Във всяка точка на годината, наводненията са често срещан риск за много общности по света, причинявайки щети от приблизително 50 милиарда долара всяка година. Увеличението на бедствията, свързани с наводнения, от 2000 година насам, частично поради изменението на климата, повишава настойчиво време да се подобри системата за предупреждение. Тези системи играят ключова роля в спасяването на животи, особено за 1.5 милиарда души, които представляват 19% от глобалното население и са изложени на значителен риск от сериозни наводнения. В революционно изследователско изследване, Google Research използва силата на машинното самообучение (ML) и изкуствен интелект (AI) за това да революционира предварителното прогнозиране на наводнения на глобално ниво.
Разширяване на обхвата на прогнозите за наводнения:
В тяхната публикация „Глобално прогнозиране на екстремални наводнения в неградирани водосборни“, публикувана в Nature, Google Research подчертава значителните подобрения, възможни благодарение на ML технологиите. Чрез използването на AI-базирани модели, платформата Flood Hub в момента предлага предварителни прогнози за реките в реално време до седем дни напред за над 80 страни. Тези данни дават възможност на индивидите, общностите, правителствата и международните организации да предприемат превантивни мерки за защита на уязвимите населения.
Влиянието на технологиите за машинно самообучение:
Работейки в сътрудничество с уважаеми партньори, включително академични институции, правителства и НПО-та, Google Research започна многогодишно пътуване да разработи модели за предварително прогнозиране на наводнения, базирани на ML. Чрез обширни изследвания и използването на модели на база на LSTM, тези напреднали технологии са доказали, че надминават традиционните хидроложни модели. LSTM моделите показват по-голяма точност в симулирането на екстремални събития, дори когато те не са част от обучителните данни. Резултатът е забележително разширение на надеждността на глобалните прогнози от нула до пет дни, като пренася способностите за предварително прогнозиране на наводнения в Африка и Азия на равнище с тези в Европа.
Адресиране на предизвикателствата, свързани с липсата на данни:
Едно от значителните предизвикателства в прогнозирането на наводненията е липсата на точни и надеждни местни данни в много региони. Мерни станции за поток, които предоставят важна информация за хидроложните модели, са скъпи за инсталиране и поддържане. Освен това има корелация между БВП на държавата и наличността на публично достъпни данни, като по-бедните държави имат ограничени ресурси за данни. Технологиите за машинно самообучение предлагат трансформационно решение, като позволяват на един единствен модел да бъде обучен върху наличните речни данни глобално, като прави прогнози за всяка речна локация, включително за тези без мерни станции.
Проучване на отворената наука:
Ангажиментът на Google Research към отворената наука доведе до пускането на голямо обучаващо множество данни за хидрология в Nature Scientific Data през 2023 г. Това множество данни, управлявано от общността, улеснява допълнителни напредъци в хидроложните изследвания и насърчава сътрудничество между учени по целия свят.
ЧЗВ:
Q: Какво е значение на технологиите за машинно самообучение в предварителното прогнозиране на наводненията?
A: Технологиите за машинно самообучение революционизират предварителното прогнозиране на наводнения чрез разширяване на надеждността на сегашните прогнози и подобряване на точността на прогнозите за наводненията, особено в региони с ограничена наличност на данни.
Q: Как ML се справя с предизвикателството на липсата на данни в прогнозирането на наводненията?
A: Моделите на ML могат да бъдат обучени глобално, използвайки наличните данни за реки, което позволява прогнозирането за неградирани басейни, където данните са ограничени. Това позволява по-широко покритие на прогнозите за наводнения на глобално равнище.
Q: С какви колаборации се захвана Google Research, за да подобри възможностите за предварително прогнозиране на наводненията?
A: Google Research работи в сътрудничество с академични институции, правителства, международни организации и НПО-та, за да напредне моделите за предварително прогнозиране на наводненията, базирани на ML. Забележими колаборации включват Института по машинно самообучение на JKU и изследователите от Университета на Йейл.
Q: Как работи моделът за прогнозиране на реките на Google Research?
A: Моделът за прогнозиране на реките използва LSTM-базирани модели, които обработват исторически данни за времето и прогнозираните данни за времето, за да направят бъдещи прогнози. Този последователен подход подобрява точността на прогнозите за реките.
Q: Каква е целта на платформата за наводнения на Google Research?
A: Платформата за наводнения има за цел да предостави предварителни речни прогнози до седем дни напред, покривайки над 80 страни. Информацията, генерирана от платформата, дава възможност на различни заинтересовани страни да предприемат превантивни мерки и да защитават уязвими населения.
Заключение:
Иновативното използване на технологиите за машинно самообучение от Google Research революционизира предварителното прогнозиране на наводнения на глобално равнище. Чрез използването на AI-базирани модели, платформата Flood Hub в момента предлага предварителни речни прогнози до седем дни напред, подобрявайки способността да се защитават уязвими населения. Чрез сътрудничество с академични институции и пускането на отворени данни, Google Research продължава да насърчава напредъците в предварителното прогнозиране на наводненията и да допринася за общата цел за намаляване на разрушителния ефект от наводненията по целия свят.
Източник:
Google Research Publications
The source of the article is from the blog agogs.sk