22 の州が大規模な洪水に見舞われた。機械学習は未来を予測できるだろうか?

洪水災害は人類の歴史上毎年発生しており、世界で最も深刻な自然災害の一つです。避けられないことですが、正確な予測ができれば、洪水による損失は 3 分の 1 以上減らすことができます。科学者たちは、洪水がいつどこで起こるかを正確に予測できる機械学習システムを開発し、現在インドで使用されている。

この夏、再び洪水が猛威を振るい始めた。

6月以来、我が国は完全に洪水の季節、一部の地域では激しい豪雨や洪水が発生し、水防や災害救助に関するニュースが連日新聞に掲載されました。

報告によると、今年の洪水期には、広東省、広西チワン族自治区、江西省などが発生した。22の州いずれも程度の差こそあれ洪水災害に見舞われている。今日現在、洪水が発生しており、675万人被害・農作物被害地域623千ヘクタール、直接的な経済損失は約100億元。

甚大な被害を受けた江西省では、犠牲者の数が増えている。200万以上、倒壊した家屋531世帯、1357室, 508世帯、1,063軒が大きな被害を受けた。警報水位を超えた観測所は4カ所、ため池8カ所が浸水限界を超えた。。

洪水は今も続いており、7月中旬まで大雨が数回続く見込みだ。関連部門は、今後数日以内に江西省が10年に一度発生する中程度の洪水に遭遇する可能性があると予測している。治水状況はさらに厳しくなるだろう。

一方、米国中西部やイランなどでも洪水の被害が大きく、死者数は増え続けている。

これを受けて、我が国の多くの地域が緊急対応を開始し、消防救助隊も被災地に急行して救助活動を行っています。

しかし、自然災害の前では人間の力は常に小さく見えます。しかし幸いなことに、今では科学兵器を使用して、正確な予報と早期警告、損失を最小限に抑えるため。消防や救助隊員は、最前線に急行するために何度も命を危険にさらす必要がなくなります。

洪水災害: 長期にわたる、世界規模の

洪水災害は世界で最も深刻な自然災害の 1 つです。それは人類の歴史の中で毎年起こってきました。洪水災害に関する話は世界中にたくさんありますが、ノアの箱舟の話もその一つです。

聖書の記録によると、ノアとその家族は、神が引き起こした洪水災害から逃れるために、120年をかけてノアの箱舟を建造しました。ついに洪水が起こったとき、生き残ったのはノアの家族と箱舟に乗っていた人々だけでした。

現実にはノアの箱舟も洪水災害もない毎年、数万人が死亡し、数億人が避難しています。洪水災害は、河川、湖、貯水池での大雨によって引き起こされることが多く、また、海底地震、ハリケーン、ダムの決壊によっても引き起こされます。

洪水は、北半球の暖温帯や亜熱帯など、人口が密集し、農地の埋め立てが高度に行われ、河川や湖が集中し、降雨量が豊富な場所でよく発生します。中国、バングラデシュ世界で最も洪水災害が多発する地域です。

過去の統計によると、我が国は洪水は平均して2年に1回発生します。歴史上、北京では5回洪水が発生し、天津では8回洪水が発生した。砂漠、極度の乾燥地帯、高山地帯を除いて、私の国は3分の2くらいさまざまな程度や種類の洪水災害が国内のあらゆる地域に存在します。

毎年夏になると、南部の多くの州で集中豪雨や超豪雨などの豪雨が発生します。「海を眺める街」このような状況はもはや珍しいことではなく、住民や管理者が直面する困難な問題であり、解決に向けて努力する必要があります。

洪水は穏やかに見えますが、実際は激しいです。洪水が起こるたびに、あまりにも多くの人々が十分な情報を持たず、準備ができておらず、無慈悲な洪水によって一瞬のうちに命を奪われます。

地震などの自然災害と同様、洪水はその性質上、予測不可能で避けられません。しかし、私たちが良い仕事をすれば、正確な予測、いくつかの研究結果によると、早期警報システムは洪水による死者数と経済的損失を減らすことができます。3分の1以上削減されました。

機械学習システム: 正確な予報、洪水に注意

Google、テクニオン・イスラエル工科大学、バル・イラン大学の研究者は、AI と強力なコンピューター処理能力の助けを借りて、河川の氾濫を正確に予測する機械学習システム。

これらの予測では、機械学習、降雨記録、洪水シミュレーション組み合わせ。機械学習モデルにはさまざまな要素が追加される——から****歴史的出来事から川の水位の測定値、特定の地域の地形や標高まで。これらの要素に基づいてマップを生成し、何十万ものシミュレーション。

この情報を組み合わせて、洪水がいつどこで発生するかだけでなく、その規模もより正確に予測する河川洪水予測モデルを作成しました。

「効果的な大規模河川洪水予測は、複数の要因によって妨げられています。最も顕著なのは、手間と時間がかかる手動校正への依存、現場固有のデータの量の制限、建設の計算の難しさです...」と研究チームは書いています。 」モデルは十分に正確です。この状況では、機械学習が非常に役立ちます。学習モデルは、多くの場合、複雑で高次元のシナリオにおいて人間の専門家を上回るパフォーマンスを発揮できます。 」

この論文が指摘しているように、洪水予測モデルを構築する際の最大の課題の 1 つは次のとおりです。パラメータの校正。これは、アルゴリズムの予測を特定のベースライン測定値に一致させるように設計された最適化プロセスです。従来の方法では手作業が必要となるため、モデルが作成されません。パフォーマンスは良いですが、一概には言えません。

実際、洪水予測の分野では自動化の試みが数多く行われてきましたが、オペレーティングシステムで使用するのに十分な精度と信頼性のレベルを達成することができませんでした。したがって、実際のアプリケーションは、手動介入または対話を伴う半自動プロセスに限定されます。

機械学習は、これらの制限を克服するのに適しています。なぜなら、水文学モデルにおける中心的な課題の多くは自動校正にあり、そこに機械学習兵器の強みがあるからです。現在、大規模な機械学習システムのほとんどは、手動調整に基づいて以前の劣悪なシステムを置き換え、改良しています。

研究者らは、リアルタイムの測定値と河川水位の短期予測を使用することで、これらの障害の一部を克服し、そこからモデルが生成した洪水図（水位が予想される場所を示した地図） 予測される浸水の範囲を推定します。

彼らは、2018 年のモンスーン期に発せられた警報に基づいて、予測は正確であったと述べました。300メートルそれぞれ超過する解像度90% と 75% の再現率と精度。

物理ベースのシミュレーションはシミュレーションの計算コストが高く、エラーやバイアスによって不正確になりやすいため、これは完全なモデルではありません。しかしチームは、機械学習テクノロジーが将来の仕事の予測を改善するための鍵であり、より広範囲のデータを通じてより良いモデルを学習できると信じています。

彼らはまた、帰納的転移、転移学習、およびマルチタスク学習の最近の進歩により、複数の関連するソースから効果的なモデルを学習するという困難を克服できると信じています。そして、これらの技術は、いつか雪解けや川の流れなど、物理モデルではシミュレートされない事象を予測するために使用される可能性があります。

これらの結果は最終的に Google に入力されます。Google 公衆警報プログラム、このプログラムは、Google 検索、マップ、Google ニュースなどのアプリのユーザーに、ハリケーン、火山噴火、津波、地震などの進行中または差し迫った自然災害について通知します。

現在、米国、オーストラリア、カナダ、コロンビア、日本、台湾、インドネシア、メキシコ、フィリピン、インド、ニュージーランド、ブラジルの政府機関がこのプロジェクトに参加しています。

研究者らは、「機械学習によって複数のコンポーネントの品質を向上できると信じている」と述べた。 「これを達成するために、私たちはさまざまな情報源から情報を収集、整理、組み合わせています。オープンデータセット、機械学習コミュニティがこの問題を解決しやすくするためです。 」

洪水は避けられませんが、その被害は避けることができます

洪水は依然として各地で被害をもたらしているが、科学技術関係者は日夜対策の検討に取り組んでいる。自然災害は避けられませんが、人命と財産は適切な予測によって回避できます。

次の洪水が来たとき、私たちが目にするのは最前線に駆けつける消防士ではなく、AIがタイムリーに予測し、人々が事前に避難して洪水災害を最小限に抑えてくれることを願っています。

クリックすると原文が読めます