Revolutiviranje predviđanja poplava, znanstvenici Kineske akademije znanosti predstavili su inovativni model umjetne inteligencije (AI) nazvan ED-DLSTM koji je sposoban predviđati opasnosti od poplava i vodene tokove međuregionalno širom svijeta. Ono što ga čini posebnim jest njegova funkcionalnost čak i na područjima koja nedostaju značajni hidrološki podaci.
Model nazvan ED-DLSTM ističe se jer ne ovisi o povijesnim podacima o protoku, za razliku od tradicionalnih modela predviđanja. Umjesto toga, inovativno uključuje varijable poput nadmorske visine terena, uzoraka oborina i karakteristika tla. Statična priroda nekih varijabli, poput svojstava tla, omogućuje istraživačima da te informacije dobiju iz globalno dostupnih satelitskih podataka.
Utjecaj ovog razvoja je dubok jer preko 95% srednje i malih rijeka širom svijeta pati od nedostatka hidroloških podataka, što čini precizno predviđanje oborina i poplava izazovom.
Valjanost ED-DLSTM modela provjerena je kroz podatke koji se protežu od 2010. do 2012., uključujući više od 2.000 rijeka širom SAD-a, Kanade, Srednje Europe i Velike Britanije. Ovaj opsežni skup podataka omogućio je temeljito testiranje u usporedbi s konkurentskim modelima.
Raznoliki podaci koji obuhvaćaju atmosferske tokove do vlažnosti tla na različitim područjima ojačali su moć i verifikaciju ovog novog modela. Dio njezinog uspjeha leži u tretiranju prostornih atributa i vremenskih nizova klimatskih karakteristika odvojeno. Znanstvenici uključeni u ovaj proboj istaknuli su superiorne prediktivne sposobnosti ED-DLSTM-a.
Model se posebno istaknuo u predviđanju ishoda u bazenima sa obilnim padalinama ili snažnim protocima rijeke, pri čemu je otprilike 82% takvih slučajeva postiglo prosječan hidrološki učinke ocjene Nash-Sutcliffe veći od 0,6, što ukazuje na visoku razinu učinkovitosti.
Dalje dokazujući njegovu svestranost, tim je testirao model u centralnim rijekama Čilea koje nedostaju mjerni postaji. Ispostavilo se da je AI model prethodno treniran na podacima iz drugih kontinentalnih razmjera, posebno onih treniranih u SAD-u, pokazao visoku učinkovitost s 77% testiranih bazena koji premašuju ocjenu NSE od 0. To je potvrdilo sposobnost ED-DLSTM-a da generalizira zajedničke hidrološke uvjete na različitim skupovima obuke.