هشدار سریع سیل با کمک هوش مصنوعی
کنکوری: یکی از موضوعات مهم هنگام وقوع بلایای طبیعی همچون سیل هشدار سریع به ساکنین است. حالا پژوهشگران ابزاری مبتنی بر هوش مصنوعی برای هشدار سریع وقوع سیل به وجود آورده اند.
به گزارش کنکوری به نقل از ایسنا، سوزان نیلسن(Susanne Nielsen) متوجه شد که خانه تابستانی والدینش در اسلتستراند در یوتلند شمالی دیر یا زود تحت تاثیر سیل قرار می گیرد. برای اینکه این خانه که ۴۰۰ متر از خلیج جمرباگت(Jammerbugt) فاصله دارد و سطح آب زیرزمینی هم اکنون به قدری بالاست که این خطر وجود دارد که مقادیر زیادی از آب باران درون زمین فرو نرود و وارد خانه شود.
برای فراهم کردن فرصت بهترین تصمیم گیری برای ساکنان و تصمیم گیرندگان برای صیانت از خود در مقابل سیل در منطقه، پژوهشگران به شهرداری جمرباگت کمک کرده اند تا یک ابزار هشدار اولیه بوجود آورد. این ابزار می تواند ۴۸ ساعت زودتر اخطار سیل محلی در امتداد رودخانه ها، نهرها و مناطق ساحلی را عرضه نماید. این نخستین مورد از نوع خود است که هشدارهای محلی سیل ارائه می کند.
سوزان نیلسن از خانه اش در آلبورگ که حدود ۴۰ کیلومتر دورتر از خانه تابستانی والدینش است می گوید: این به ما زمان می دهد تا در صورت لزوم واکنش نشان دهیم، بدین سبب کمک بزرگی خواهد بود.
طبیعت پیچیده، محاسبات پیچیده
این ابزار که به اصطلاح «شاخص مرطوب» نامیده می شود مبتنی بر هوش مصنوعی است که برمبنای داده های آزاد در دسترس که بر خطر سیل تاثیر می گذارد آموزش داده شده است. داده ها از تصاویر ماهواره ای و پیش بینی های آب وهوا و همین طور اطلاعات در مورد سطح آب دریا و سطح زمین و توپوگرافی به دست می آیند.
با این وجود، محاسبه حرکت و تجمع آب در مناظر باز دشوار است برای اینکه پارامترهای زیادی بر نحوه حرکت و تجمع آب تاثیر می گذارند. برای مدیریت این پیچیدگی، هوش مصنوعی در توسعه مدل شاخص مرطوب استفاده شد.
بگفته رولند لوو(Roland Löwe)، پژوهشگران با بهره گیری از اصول طراحی خاص در ساخت مدل و تغذیه آن با داده های منتخب، درک درستی از حرکت، توزیع و تعامل آب با محیط اطراف برای هوش مصنوعی فراهم نموده اند.
فراز و نشیب
شهرداری جمرباگت این ابزار را در سال ۲۰۲۳ آزمایش کرد. نتایج، بهتر از پیش بینی های مورد انتظار برای ماه های بارانی بهار بود. با این وجود، در طول دوره تابستان، زمانی که دانمارک تقریباً گرفتار خشکسالی شده بود، این ابزار به اشتباه سیل را برای همان مناطقی که در فصل بهار گرفتار سیل زدگی شده بودند، پیش بینی نمود.
پیش بینی های نادرست به سبب آموزش این ابزار با داده های خیلی کم از ماه های تابستان بود. این بدین سبب است که ماهواره ها نمی توانند آب را در زیر پوشش گیاهی ثبت کنند و با توجه به این که مزارع در طول تابستان توسط گیاهان پوشیده شده اند، مجموعه داده ها در آن زمان از سال، کوچکتر بود.
مدیر پروژه هایدی اگبرگ یوهانسن(Heidi Egeberg Johansen) از شهرداری جمرباگت می گوید: یک هشدار سریع باید نسبتا دقیق باشد تا شهروندان به سیستم اعتماد کنند. بنابراین، شهرداری بدنبال بودجه برای آموزش مجدد و احتمالاً تنظیم مدل است که تا آن زمان که این کار انجام نشود، این هشدار خاموش خواهد بود.
محاسبات و تصمیم گیری سریع تر
محاسبات دقیق بسیار اهمیت دارد. نه فقط زمانی که شهروندان و خدمات اضطراری نیاز به تهیه لوله های آب و کیسه های شن دارند، بلکه زمانی که شهرداری ها باید تصمیم بگیرند که چگونه بهترین سیستم های زهکشی خودرا برای مدیریت آب و هوای بارانی تر آینده گسترش دهند.
برای کوتاه کردن زمان محاسبات و حفظ دقت فیزیکی، پژوهشگران به یادگیری ماشینی علمی که شاخه ای از هوش مصنوعی است و دو رویکرد متفاوت را با هم ترکیب می کند، تکیه کردند.
دو رویکرد در یک ابزار
یکی مورد یادگیری ماشینی است که با بهره گیری از آن یک کامپیوتر نحوه تحلیل و بررسی حجم زیادی از داده ها را مشخص می کند و بدون داشتن درک نظری از پدیده هایی که درحال تحلیل و بررسی آنهاست، پیش بینی را انجام می دهد.
روش دیگر محاسبات علمی است که می تواند به عنوان مثال فرآیندهای فیزیکی را شبیه سازی کند که در این مورد نحوه حرکت آب در یک فضای معین تحت تاثیر چندین عامل است.
رولند لوو می گوید: مزیت ترکیب این دو رویکرد این است که مدلهای یادگیری ماشینی به دست می آیند که درک داخلی از نحوه عملکرد سیستم دارند. این کمک می نماید تا اطمینان حاصل شود که مدلها پیش بینی سریعی ارائه می کنند که از نظر فیزیکی منطقی هستند.
منبع: كنكوری
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب