Immobilienpreisvorhersage/Mineralexploration/Vorhersage Von Naturkatastrophen... KI Fördert Innovationen in Den Geowissenschaften, Zhejiang University/Tsinghua University/Google Research Und Andere Haben Wichtige Ergebnisse Veröffentlicht

Als hochgradig interdisziplinäres Fachgebiet unterliegen die Geowissenschaften derzeit einem tiefgreifenden Wandel, der durch die KI vorangetrieben wird. Rückblickend auf das Jahr 2024 haben Forscher eine Reihe bahnbrechender Ergebnisse in den Bereichen Smart City-Bau, Immobilienpreisprognose, Meeresökologiemodellierung, Bodensenkungsprognose, Hochwasserprognose, Erdrutschprognose und Mineralienprognose erzielt. Diese Studien demonstrieren nicht nur das enorme Potenzial der KI bei der Bewältigung komplexer Probleme des Erdsystems, sondern bieten auch innovative Lösungen für eine globale nachhaltige Entwicklung.

Dieser Artikel,HyperAI konzentriert sich auf KI-Forschung im Bereich der Geowissenschaften. Wir haben 15 hochaktuelle Arbeiten ausgewählt, die im Zeitraum 2023–2024 ausgewertet werden sollen. Klicken Sie unten auf den Titel des Dokuments oder die chinesische Interpretation, um zur Seite mit der Interpretation des Dokuments zu gelangen.Erfahren Sie mehr darüber, wie KI die Zukunft der Geowissenschaften vorantreibt.

Das Open-Source-Projekt „awesome-ai4s“ vereint mehr als 100 AI4S-Papierinterpretationen und stellt umfangreiche Datensätze und Tools bereit:

https://github.com/hyperai/awesome-ai4s

01.Titel des Artikels:Ein neuronales Netzwerkmodell zur Optimierung der Messung räumlicher Nähe im geografisch gewichteten Regressionsansatz: eine Fallstudie zu Immobilienpreisen in Wuhan, 2024.04

Chinesische Interpretation:Sagen Sie die Immobilienpreise in Wuhan genau voraus! Das GIS-Labor der Zhejiang-Universität schlug das osp-GNNWR-Modell vor: Es beschreibt komplexe räumliche Prozesse und geografische Phänomene präzise
Forschungsinhalte:Das GIS Key Laboratory der Zhejiang-Universität hat die Genauigkeit der Immobilienpreisvorhersage des Modells verbessert, indem es einen optimierten räumlichen Näheindikator eingeführt und in die Architektur des neuronalen Netzwerks integriert hat.

02.Titel des Artikels:OceanGPT: Ein großes Sprachmodell für Aufgaben der Meereswissenschaften, 2024.05

Chinesische Interpretation:Ausgewählt für ACL 2024! Die Zhejiang-Universität führt das erste Ozeansprachenmodell OceanGPT ein und lässt damit verkörperte Intelligenz unter Wasser Wirklichkeit werden
Forschungsinhalte:Das Team der Zhejiang-Universität hat mit OceanGPT das erste große Sprachmodell im Ozeanbereich vorgeschlagen, das Fragen gemäß den Anweisungen von Ozeanographen beantworten, hohe Fachkenntnisse in verschiedenen Aufgaben der Meereswissenschaften nachweisen und zudem vorläufige Fähigkeiten zur verkörperten Intelligenz im Meeresingenieurwesen erwerben kann.

03.Titel des Artikels:Auf maschinellem Lernen basierende Techniken zur Simulation von Bodensenkungen in einem städtischen Gebiet, 2024.02

Chinesische Interpretation:Vorsicht vor städtischen „chronischen Krankheiten“: Das Team von Professor Liu Jianxin von der Central South University nutzt KI, um das Risiko von Bodensenkungen in den nächsten 40 Jahren vorherzusagen
Forschungsinhalte:Das Team von Professor Liu Jianxin von der Central South University hat in Zusammenarbeit mit der Geological Environment Monitoring Station der Provinz Guangdong, der Vierten Geologischen Brigade der Provinz Guangdong und der Universität Boigny in der Elfenbeinküste ein intelligentes Vorhersagemodell für Bodensenkungen entwickelt, das extreme Gradient-Boosting-Regression und Netzwerke mit langem Kurzzeitgedächtnis verwendet.

04.Titel des Artikels: Erdrutschkartierung basierend auf einem hybriden CNN-Transformator-Netzwerk und Deep Transfer Learning unter Verwendung von Fernerkundungsbildern mit topografischen und spektralen Merkmalen, 2024.02

Chinesische Interpretation:Transferlernen hilft sehr! Technische Universität Chengdu erstellt SCDUNet++-Modell zur Kartierung von Erdrutschen
Forschungsinhalte:Forscher der Technischen Universität Chengdu haben ein semantisches Segmentierungsmodell namens SCDUNet++ vorgeschlagen, das die Vorteile von Convolutional Neural Networks und Transformer kombiniert, um Erdrutschkartierungen effektiv durchzuführen.

05.Titel des Artikels:Modellierung der Erdrutschanfälligkeit durch interpretierbares neuronales Netzwerk, 2023.05

Chinesische Interpretation:Eine Blackbox wird transparent: UCLA entwickelt ein interpretierbares neuronales Netzwerk (SNN) zur Vorhersage von Erdrutschen
Forschungsinhalte:Forscher der University of California in Los Angeles haben ein überlagertes neuronales Netzwerk (Superimposed Neural Network, SNN) entwickelt, das die Einflussfaktoren bei Naturkatastrophen besser analysieren und die Vorhersage von Erdrutschrisiken weiter verbessern kann.

06.Titel des Artikels:Globale Vorhersage extremer Überschwemmungen in nicht gemessenen Wassereinzugsgebieten, 2024.03

Chinesische Interpretation:Googles Hochwasservorhersagemodell wird erneut in Nature veröffentlicht, übertrifft das weltweit führende System und deckt über 80 Länder ab
Forschungsinhalte:Das Google Research-Team hat ein auf maschinellem Lernen basierendes Flussvorhersagemodell entwickelt, das Hochwasser fünf Tage im Voraus zuverlässig vorhersagen kann. Bei der Vorhersage von Hochwasserereignissen, die alle fünf Jahre auftreten, ist die Leistung besser oder gleichwertig mit der aktuellen Vorhersage von Hochwasserereignissen, die einmal im Jahr auftreten. Das System kann mehr als 80 Länder abdecken.

07.Titel des Artikels:Verbesserte Vorhersage der Chlorophyll-a-Konzentration in Küstengewässern durch Integration von Fourieranalyse und Transformatornetzwerken, 2024.09

Chinesische Interpretation:Deep Learning bekämpft die Rote Flut im Meer! Das GIS-Labor der Zhejiang-Universität hat das ChloroFormer-Modell vorgeschlagen, das frühzeitig vor dem Ausbruch von Meeresalgen warnen kann
Forschungsinhalte:Forscher des GIS-Labors der Zhejiang-Universität haben mit ChloroFormer ein neues Deep-Learning-Vorhersagemodell vorgeschlagen, das die Chlorophyll-a-Konzentration in schädlichen Algenblüten im Meer effektiv vorhersagen und wichtige Informationen zur Warnung vor Algenblüten liefern kann.

08.Titel des Artikels:Verbesserung der Mineralprospektionskartierung mit georäumlicher künstlicher Intelligenz: Ein geografisch neuronales Netzwerk-gewichteter logistischer Regressionsansatz, 2024.04

Chinesische Interpretation:Besser als die fünf fortgeschrittenen Modelle ist das von Du Zhenhongs Team an der Zhejiang-Universität vorgeschlagene GNNWLR-Modell: Verbesserung der Genauigkeit der Mineralisierungsvorhersage
Forschungsinhalte:Ein Forschungsteam der Zhejiang-Universität hat eine neue Methode der georäumlichen künstlichen Intelligenz vorgeschlagen – die gewichtete logistische Regression mit geografischen neuronalen Netzwerken (GNNWLR), die nicht nur die Genauigkeit von Mineralienvorhersagen erheblich verbessern, sondern auch die Interpretierbarkeit von Mineralienvorhersagen in komplexen räumlichen Szenarien verbessern kann.

09.Titel des Artikels:Implizites Lernen der konvektiven Organisation erklärt die Stochastizität des Niederschlags, 2023.05

Chinesische Interpretation:Die Columbia University führt eine verbesserte Version des neuronalen Netzwerks Org-NN ein, um extreme Niederschläge präzise vorherzusagen
Forschungsinhalte:Das LEAP Lab der Columbia University verwendete globale Sturmanalysesimulationen und maschinelles Lernen, um einen neuen Algorithmus zu erstellen, der das Problem fehlender Informationen löst und eine genauere Methode zur Vorhersage extremer Niederschläge bietet.

10.Titel des Artikels:Deep Learning für die regionsübergreifende Abfluss- und Hochwasservorhersage auf globaler Ebene, 2024.05

Chinesische Interpretation:Das Team der Chinesischen Akademie der Wissenschaften analysierte und trainierte Daten von über 2.000 hydrologischen Stationen weltweit und veröffentlichte ED-DLSTM, um Hochwasservorhersagen in Gebieten ohne Überwachungsdaten zu ermöglichen.
Forschungsinhalte:Ein Team des Chengdu Institute of Mountain Hazards and Environment der Chinesischen Akademie der Wissenschaften hat ein neues KI-basiertes Abfluss- und Hochwasservorhersagemodell namens ED-DLSTM vorgeschlagen, um das Problem der Abflussvorhersage in Flusseinzugsgebieten mit und ohne Überwachungsdaten weltweit zu lösen.

11.Titel des Artikels:SuNeRF: Validierung einer 3D-Rekonstruktion der Sonnenkorona mithilfe simulierter EUV-Bilder, 2022.11

Chinesische Interpretation:KI leistet großartige Beiträge! Neuronales Netzwerk rekonstruiert 3D-Sonnenbilder und zeigt erstmals Sonnenpole
Forschungsinhalte:Forscher am National Center for Atmospheric Research (NCAR) in Colorado nutzten das neuronale Netzwerk NeRFs, um zweidimensionale Bilder der Sonne in dreidimensionale Rekonstruktionen umzuwandeln und so erstmals die Pole der Sonne sichtbar zu machen.

12.Titel des Artikels:Raumplanung städtischer Gemeinden mittels Deep Reinforcement Learning, 2023.09

Chinesische Interpretation:Acht menschliche Planer übertrumpfen: Das Tsinghua-Team schlägt ein bestärkendes Lernmodell für die Stadtraumplanung vor
Forschungsinhalte:Das Forschungsteam der Tsinghua-Universität schlug ein Modell und eine Methode des bestärkenden Lernens für die städtische Raumplanung vor und realisierte einen Stadtplanungsprozess, bei dem menschliche Planer mit Algorithmen künstlicher Intelligenz zusammenarbeiten und so eine neue Idee für die automatisierte Planung intelligenter Städte liefern.

13.Titel des Artikels: Ein neues Paradigma für mittelfristige Unwettervorhersagen: probabilistische, auf Random Forest basierende Vorhersagen, 2023.02

Chinesische Interpretation:Die Colorado State University veröffentlicht das CSU-MLP-Modell zur Vorhersage mittelfristiger Unwetter mithilfe des Random-Forest-Algorithmus
Forschungsinhalte:Wissenschaftler der Colorado State University und des SPC haben gemeinsam ein auf Random Forest basierendes maschinelles Lernmodell namens CSU-MLP veröffentlicht, das Unwetter mittelfristig (4–8 Tage) genau vorhersagen kann.

14.Titel des Artikels:Sozialphysikbasiertes Diffusionsmodell für die Massensimulation, 2024.02

Chinesische Interpretation:Um eine optimale Leistung zu erzielen, werden nur 5%-Trainingsbeispiele benötigt. Das Forschungsteam der Tsinghua-Universität veröffentlichte das bedingte Rauschunterdrückungsdiffusionsmodell SPDiff, um eine Simulation des menschlichen Flusses über große Entfernungen zu erreichen
Forschungsinhalte:Ein Forschungsteam der Tsinghua-Universität hat ein bedingtes Rauschunterdrückungs-Diffusionsmodell (SPDiff) vorgeschlagen, das Interaktionsdynamiken effektiv nutzen kann, um das Verhalten einer Menschenmenge durch einen von sozialen Kräften gesteuerten Diffusionsprozess zu simulieren.

15.Titel des Artikels:Räumlich-zeitliches Lernen mit wenigen Treffern durch die Generierung diffuser neuronaler Netzwerke, 2024.04

Chinesische Interpretation:Basierend auf realen Daten aus sieben Großstädten hat das Team der Tsinghua-Universität das GPD-Modell als Open Source veröffentlicht.
Forschungsinhalte:Das Urban Science and Computation Research Center der Fakultät für Elektrotechnik der Tsinghua-Universität hat das GPD-Modell vorgeschlagen, das das Diffusionsmodell zur Generierung neuronaler Netzwerkparameter verwendet und räumlich-zeitliches Lernen mit wenigen Versuchen in ein Vortrainingsproblem für das Diffusionsmodell umwandelt.