1 月 30 日消息，據(jù)外媒報(bào)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(jì)的人死亡，另有數(shù)億人流離失所。此外，這些洪水造成的財(cái)產(chǎn)損失也同樣龐大。僅從 2005 年到 2014 年的美國，洪水保險(xiǎn)索賠總額平均每年超過 35 億美元。

　　毋庸置疑，準(zhǔn)確預(yù)測洪水將產(chǎn)生巨大回報(bào)。有些研究顯示，預(yù)警系統(tǒng)可以將死亡人數(shù)和經(jīng)濟(jì)損失減少三分之一以上。幸運(yùn)的是，在人工智能(AI)的幫助下，科學(xué)家們繼續(xù)一步步地朝這個(gè)方向邁進(jìn)。在 Arxiv.org 上發(fā)表的最新論文中，來自谷歌、以色列理工學(xué)院以及巴伊蘭大學(xué)的研究人員描述了一種機(jī)器學(xué)習(xí)系統(tǒng)，它可以準(zhǔn)確預(yù)測河流洪水。

　　這項(xiàng)研究是對谷歌去年晚些時(shí)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(yù)測模型。它的基礎(chǔ)是哈佛大學(xué)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(yù)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(yù)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(zhǔn)、特定地點(diǎn)的數(shù)據(jù)量十分有限以及建立足夠精模型面臨的計(jì)算難度。機(jī)器學(xué)習(xí)在這種場景中非常有用：在復(fù)雜的高維場景中，受過訓(xùn)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(yù)測模型的最大挑戰(zhàn)之一是參數(shù)校準(zhǔn)，這是個(gè)旨在將算法的預(yù)測結(jié)果與某些基線測量結(jié)果相匹配的優(yōu)化過程。標(biāo)準(zhǔn)方法涉及大量的手工工作，并且常常導(dǎo)致無法泛化的模型。

　　研究人員通過對河流水位的實(shí)時(shí)測量和短期預(yù)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(jì)爆發(fā)洪水的范圍。研究人員聲稱，根據(jù) 2018 年季風(fēng)季節(jié)生成的警報(bào)，模型預(yù)測的準(zhǔn)確率可達(dá) 300 米，召回率和準(zhǔn)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(zhǔn)是必要的。”也就是說，這并不是個(gè)完美的模型，因?yàn)榛谖锢砟M的計(jì)算成本很高，而且由于輸入錯(cuò)誤而容易出現(xiàn)不精確結(jié)果。但該小組認(rèn)為，機(jī)器學(xué)習(xí)技術(shù)是改善未來預(yù)測的關(guān)鍵，這些技術(shù)將來可能會被用來預(yù)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(rèn)為，這些研究成果最終將進(jìn)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(bào)正在發(fā)生或即將發(fā)生的自然災(zāi)害，如颶風(fēng)、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(jī)構(gòu)參加了這個(gè)項(xiàng)目。

　　研究人員表示：“我們相信機(jī)器學(xué)習(xí)可以提高多個(gè)組件的質(zhì)量。為了實(shí)現(xiàn)這一點(diǎn)，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(jī)器學(xué)習(xí)社區(qū)更容易訪這些研究成果。”
　　（邯鄲網(wǎng)站建設(shè)）