欢迎光临
我们一直在努力
您的位置:首页>科技前沿 >

Google将AI洪水警报扩展到整个印度

2018年末,作为其洪水预报计划的一部分,谷歌与印度中央水委员会,以色列理工学院和巴伊兰大学合作,在印度巴特那部分地区试行了洪水预报模型。该公司及其合作伙伴声称,该模型可以预测季风季节的河道洪水(即,来自超支河岸的洪水)的准确性为75%。继去年将其扩展到沿甘加河和雅鲁藏布江的超过11,000平方公里的目标之后,谷歌今天宣布,该模型将为整个印度提供警报,覆盖50万平方公里和超过2.4亿人口。

洪水是世界上最常见,最致命的自然灾害之一。每年,他们都要为成千上万的死亡和数亿流离失所的房主负责。而且它们的成本异常高昂-仅在2005年至2014年,仅在美国,洪水保险的平均索赔额为42,000美元,而洪水保险的总索赔额平均每年超过35亿美元。

准确地说,洪水预报是一个理想的目标。根据一些研究,预警系统可以将死亡和经济损失减少三分之一以上。

谷歌表示,其扩展模式将在孟加拉国水务发展局的一项协议下首次在印度以外的孟加拉国推出,它将提供局部的深度信息,包括预期的水深和特定村庄和地区的洪水发生时间。在与地方政府,谷歌慈善机构Google.org以及红十字会与红新月会国际联合会合作的情况下,成千上万人将在八个地区进行的试点过程中看到深度信息。他们将从新的实验性模型中受益,该模型可以将警报的前置时间从24小时增加到48小时。

谷歌表示,除了改进的模型之外,它还向受洪灾影响的地区的3000万人提供了通知,并通过更直观的警报为本地语言提供了更好的支持。在Google搜索上,通知已发送给非营利性SEEDS志愿者网络,他们向没有电话的人传播警告,洪水警报现在支持9种当地印度语,包括印地语和孟加拉语。它们还包含着重于会增加多少水的信息图,以及文字说明和本地地图。

建立洪水预测模型的最大挑战之一是参数校准,该优化过程旨在使算法的预测与某些基线测量值相匹配。标准方法涉及大量的人工工作,并且常常导致模型无法推广。

Google通过实时测量河水水位并对其进行短期预测,克服了其中的一些障碍,他们的模型从中生成了一个洪水地图,用于估算预计洪水的范围。(淹没图显示在一定水位范围内可能发生洪水的地方。)利用相关的和对齐的大地图图像批次进行调整,以解决崎coarse的地形,其中一些来自欧洲航天局Sentinel-1卫星星座,该模型可创建每个图像的深度然后用于生成位置的高程图的地图。

诸如新开发的用于创建数字高程模型(DEM)的方法之类的预测方法可优化该模型,使其与Google的自定义张量处理单元(TPU)配合使用,后者提供的预测速度比单独的处理器快85倍。最近,机器学习取代了该模型的某些基于物理的液压算法,从而使其能够支持覆盖更多人的更大区域。

免责声明:本网站图片,文字之类版权申明,因为网站可以由注册用户自行上传图片或文字,本网站无法鉴别所上传图片或文字的知识版权,如果侵犯,请及时通知我们,本网站将在第一时间及时删除。