富士通Zinrai AI利用有限的數據預測河流氾濫
科技產業資訊室 (iKnow) - May 發表於 2019年8月21日
圖、富士通Zinrai AI利用有限的數據預測河流氾濫
圖片來源：Fujitsu
富士通公司(Fujitsu)和富士通實驗室(Fujitsu Laboratories)共同宣布開發一種技術，該技術利用有限的降雨和水位數據建立的數學模型，進行河流出現洪水的預測。該解決方案利用富士通以人為本的Zinrai AI，這是一個全面的產品組合，涵蓋富士通廣泛的人工智慧技術(AI)模型結合水文的數據來進行更精確預測。
富士通在聲明中表示，即使對於測量數據有限的小河流，或者新安裝水位感測器並且尚未積累足夠數據的區域，也能證明該新技術是有效率的。這些預測將為當局提供一個重要的工具，以便在發生自然災害時提供更快的響應時間並減輕洪水災害，包括向受影響地區派遣人員並支援疏散時做出適當的決策。
近年來，日本各地的地方政府都在應對河流管理的挑戰，這些河流在局部地區頻繁出現高度暴雨事件之後，易造成嚴重的洪水破壞。特別是流經城市地區的較小河流經常會因不可預測但強大的暴雨和颱風的影響而突然出現水位上升。隨著進入地球極端氣候變化，發生嚴重洪水災害的風險很高也非常迅速，迫使政府必需要加強洪水對策。
因此，對易發生洪水風險的大型河流進行了水位預測。然而，對於較小的河流或新安裝水位傳感器的區域，由於缺乏足夠的水位數據和最新的流速觀測結果，迄今為止難以進行準確的預測。
為了解決這個問題，富士通和富士通實驗室開發了一種數學模型，可以在機器學習過程中使用過去的降雨和水位數據訓練模型時找到最佳參數，根據坦克模型概念(Tank model concept)創建函數，該模型顯示從流域內的河流水文數據。
使用該模型，AI根據收集的數據預測未來的水位，以提供各個氣象組織向地方政府傳輸每小時的降雨和水位數據預報。即使在河流區域發生變化或引入新基礎設施後，預測模型也可以非常快速地進行優化。在這種情況下，可以使用降雨量和任何變化後的水位數據，即可進行簡單地重新訓練模型。
富士通和富士通實驗室進行了一項精準度評估，將該技術與使用流量觀測等數據的標準水位預測方法進行了比較，經東京都立大學的協助下進行評估，成功證實該技術可以提供相同或更高的精準度。(720字；圖1)
參考資料：
Human Centric AI. Fujitsu
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|