1. 我是CIO首页
  2. 资讯
  3. 人工智能

富士通:利用有限的数据开发人工智能减灾技术

这项新技术即使对于测量数据有限的小河流,或者对于新安装的水位传感器尚未积累足够数据的地区,也是有效的。 这些预测将为当局在发生自然灾害时提供更快的反应时间和减轻水灾损失的重要工具,包括向受影响地区派遣人员和支持发布疏散通知的适当决策。

富士通:利用有限的数据开发人工智能减灾技术

富士通和富士通实验室宣布开发一项技术,利用有限的降雨量和水位数据建立数学模型,对河流进行洪水预测。 这个解决方案利用了富士通人工智能系统 Zinrai。

这项新技术即使对于测量数据有限的小河流,或者对于新安装的水位传感器尚未积累足够数据的地区,也是有效的。 这些预测将为当局在发生自然灾害时提供更快的反应时间和减轻水灾损失的重要工具,包括向受影响地区派遣人员和支持发布疏散通知的适当决策。

富士通和富士通实验室将继续努力,通过与日本各地政府的现场试验,进一步完善这项技术,目的是在2019财年提供商业解决方案。 随着这一解决方案的发展,富士通展示了这一技术和其他人工智能技术将如何在支持其应对气候变化影响的努力方面发挥重要作用,并有助于实现更大的社会可持续性。

近年来,日本各地的地方政府都在努力应对河流管理的挑战,这些河流在频繁发生局部性强的暴雨事件之后,造成了严重的洪水灾害。 特别是流经市区的较小河流,由于不可预测但强大的暴雨和台风的影响,水位往往会突然上升。 年复一年,重大洪水破坏的风险发生得非常迅速,这是一种零星但日益严重的威胁,突出表明迫切需要加强防洪对策。

作为这些对策的一部分,已经对指定为洪水风险的大河进行了水位预测。 然而,对于较小的河流或新安装了水位传感器的地区,由于缺乏足够的水位数据和最新的流量观测结果,迄今为止很难作出准确的预测。

为了解决这个问题,富士通和富士通实验室开发了一种新技术,即使在测量数据有限的情况下,也能准确预测河流的水位,从而使防灾人员能够及早采取先发制人的行动,减轻损失。

富士通和富士通实验室已经开发了一个数学模型,当使用机器学习训练过去的降雨量和水位数据的模型时,可以找到最佳的参数,创建基于水箱模型概念的函数,这个概念代表了流域的排水量。

使用这个模型,人工智能根据收集的雨量和水位数据以及各种气象组织发送给地方政府的未来几个小时的预测数据,预测未来的水位。 即使跟随河流环境的变化或引进新的基础设施,预测模型也可以非常迅速地得到优化。 在这种情况下,模型可以简单地利用任何变化后的降雨量和水位数据进行再训练。

通过将该技术应用于某地方政府管理的较小河流过去的数据,对新模型的准确性进行了试验评估,结果证明,只用一次降雨水位增加的数据进行训练,就能够以一致的准确度预测降雨水位的增加。

此外,富士通和富士通实验室进行了一项评估,将这项技术与使用流量观测等数据的标准水位预测方法进行比较。 在首都大学东京教授 Akira Kawamura 的协助下进行的评估成功地证实了这项技术可以提供同等或更高的准确性。

本文为作者 黄凯 独立观点,并不代表 我是CIO 立场。

发表评论

登录后才能评论