Google以AI預測洪水氾濫地區,進而提供防洪預報

Google使用人工智慧為印度巴特那地區建立洪水預報系統。而要開發準確洪水預報系統的關鍵,就是發展洪水氾濫預測模型,把河流中的水量或是預測水量作為模型的輸入,模擬水在整個洪氾區的行為,這些模擬資訊可以轉換成空間風險圖,讓人們知道哪些區域將被洪水淹沒,而哪些地區是安全的。

模型輸入資料之一是即時的水量資訊,印度中央水利委員每小時會從分布在印度各地的千個水位高度表,匯總水位高度資料,並根據上游測量的結果進行預測,而Google會使用這些資料以及預測結果作為模型輸入。

當已經知道河道中有多少水量,接下來便要建立地形高程圖,了解精細的地形變化,才能預測洪水的流向,Google使用自家Google Maps衛星圖片,經過關聯與校正作業後,為每個衛星圖像建立了深度圖,交疊深度圖後製作出高程圖,並且移除在模擬中會阻擋水流的樹或是橋樑等物件。

一旦有了這些輸入,便可以開始建立水力模型,Google採用了物理模擬的建模方法,使用物理定律來計算水流的位置和速度,Google表示,當輸入資料非常精確且經高解析度運算,則得到的結果也會非常準確。

不過,這同時也帶來無法估計計算成本的複雜性,因為Google每將解析度提高1倍,就必須要增加8倍的運算時間。因此為了解決這個問題,Google對水力模型進行最佳化,除了使用TPU加速運算外,也使用了機器學習代替部分基於物理模擬的演算法,擴充離散資料至二維模型,以便以更大的網格覆蓋更多的人們。

不過這個水力模型,只是整個洪水氾濫預測模型的一部分,因為使用模擬的方法,終究會有一些不準確的地方,所以Google還以歷史資料來修正預測模型。歐洲太空總署從2014年來,便使用衛星辨識洪水發生地區,累積了珍貴的洪水發生歷史資料集,Google利用這個資料集比對水力模型預測結果,找出結果不一致的地方,並且推估可能原因,判斷是由於地表改變造成的偏差,抑或是建模不準確造成,來進一步修正模型。

原文來自 iThome Online