圖片來源: 

Google,示意圖

Google和以色列的研究團隊近日發表了一篇用機器學習技術,開發大規模洪水預測模型的論文,該論文針對河邊洪水,用機器學習技術建立了一套預測模型,論文中指出,洪水是全球最常見且最致命的自然災害之一,每年奪走數千到數萬人命,影響數千萬人,且造成數百億美元的損失,而這些數字在近年來持續增加,準確的洪水預報,能夠將死亡率和經濟損失減少至少三分之一。

研究指出,過去的洪水預測方法要達到有效率的預測還是受到許多因素限制,最主要的因素是因為系統需要仰賴人工校正,缺乏特定位置的數據,就很難建立全球通用又準確的預測模型,而機器學習技術適用於這種應用場景,機器學習模型能夠在複雜的高維度場景中,透過學習找出適用於全球的模式,超越人類專家的經驗。

Google和以色列的研究團隊開發的洪水預測模型主要聚焦於河邊型洪水,由於河邊洪水會對人類生活造成許多影響,目前要建立洪水預測模型最大的挑戰即是優化模型的過程,讓模型適用於全球,而目前現有的標準方法都涉及手動調整的工作,但是由於自然現象是複雜且多變的,手動調整模型往往耗時又繁瑣,且很難套用到其他應用場景中,過去也曾有許多研究嘗試將優化的過程自動化,但是優化過的模型準確度還是不足以用於真實世界。

為了解決優化模型的問題,研究團隊開發了水動力模型,在印度巴特那地區收集即時的河流測量數據,預測短期河流水位,並產生可能受洪水影響的區域地圖,在去年季風季節中,預測模型能精確至300公尺的空間解析度,準確率超過75%,水動力模型只是整個洪水預測系統的一部分,未來,團隊還會持續用機器學習改善其他預測工作。

熱門新聞

Advertisement