Новий метод машинного навчання може прогнозувати повені у реальному часі
Вчені пропонують використовувати вже наявну інформацію про місцевість, розташування каналізації та доріг для того, щоб навчити простіші моделі прогнозування. Вони зосереджуються на одній змінній у заданому місці та у певний час, наприклад, на рівні затоплення або швидкості потоку води. Тисячі з них можуть надати надзвичайно точну картину ймовірних повеней, коли додати інформацію про прогноз погоди у реальному часі.
Комп'ютерні програми, які можуть передбачити, що станеться з дощовою водою після того, як вона впаде на землю, є найкращим інструментом для прогнозування у режимі реального часу, де і коли почнуться повені. Однак такі моделі повені потребують величезної кількості обчислювальних ресурсів. Наразі немає засобів швидкого прогнозування повені у реальному часі будь-де. Рівень деталізації, який має стосунок до людських рішень (будівлі поряд, шляхи евакуації чи об'єкти інфраструктури), недосяжний, повідомляє Phys.org.
Другою проблемою є висока невизначеність у прогнозах опадів та багатьох інших вхідних даних моделей повеней. Дослідники упродовж останніх десятиліть вивчали можливості вирішення цих проблем за допомогою швидших комп'ютерів та більшої кількості комп'ютерів. Це свідчить про необхідність переглянути спосіб прогнозування повеней.
Розроблення ефективних локальних прогнозів повеней
Підписуйтеся на наші соцмережі
Підхід, який винайшли вчені, вирішує ці проблеми, використовуючи складну модель повені для розроблення та навчання простіших моделей, які потім можуть імітувати поведінку повені у місцевому середовищі майже з тим самим рівнем точності. Важливо те, що у дослідженнях показали, що навіть персональний комп'ютер може використовувати ці простіші моделі для прогнозування повеней у реальному часі. Можливо, навіть мобільний телефон.
Щоб спрогнозувати повінь, потрібно передбачити, як починається та розвивається повінь у міських громадах — з високим рівнем деталізації та розумінням меж невизначеності щодо прогнозу.
Цей підхід ґрунтується на ключовій інформації, яку вже мають багато міст: докладні дані про топографію їхніх громад і навколишній вододіл, як використовується земля, розташування будівель і доріг, а також характеристики каналізації і труб, наприклад, кількість води, яку вони можуть витримати. Тротуари та застаріла зливна інфраструктура, зокрема, можуть вплинути на те, як вода тече та які райони міста затоплюються.
Потім вчені використовують одну з найсучасніших, складних доступних моделей повені для навчання простіших моделей. Ці моделі швидші і потребують набагато меншої обчислювальної потужності, оскільки використовують надзвичайно прості функції, кожна з них зосереджується на одній змінній у заданому місці та у певний час, наприклад, на рівні затоплення або швидкості потоку води. Тисячі з них можуть надати надзвичайно точну картину ймовірних повеней, коли додати інформацію про прогноз погоди у реальному часі.
Вирішальним моментом є те, що ці простіші моделі розробляються задовго до штормів. Ці аналізи можна виконати за допомогою безкоштовно доступного інструментарію, розробленого Міністерством енергетики.
Цей підхід замінює майже неможливий тягар обчислень у режимі реального часу легшим завданням використання попередньо навчених простих моделей місцевої громади.
Дослідники продемонстрували цей підхід у роботі, використовуючи повінь у Х'юстоні у 2017 році через ураган «Гарві». Результати показали, що обчислювальну задачу, для виконання якої на типовому комп'ютері в іншому випадку знадобилися б роки, можна виконати лише за кілька секунд із порівнянним рівнем точності.
Нагадаємо, що раніше вчені винайшли найміцніший матеріал на Землі. Це сплав із хрому, кобальту та нікелю, який до того ж стає ще міцнішим у холоді. У майбутньому такі властивості дозволять використовувати його у виробництві космічних кораблів.
