暮年|谷歌结合物理模拟与机器学习方法，改进洪水预测速度与准确度
洪水在南亚一直是个严重的问题 ， 而几年来Google与印度政府有大量的合作 ， 想要通过洪水预报系统 ， 进一步预测洪水发生的时间以及地点 ， 尽早对可能发生洪灾的地区发出通知 ， 使人们有时间做好准备 ， 降低洪水可能带来的损失 。
Google发布了最新系统的进展 ， 以及背后采用的新技术 ， 他们扩展预报系统涵盖的范围以及服务 ， 系统现在的警示范围达250,000平方公里 ， 超过去年20倍的覆盖面积 ， 受保护的人口达到2亿人 ， 另外 ， Google还将服务扩展到孟加拉 ， 孟加拉是全球洪灾最严重的国家 ， 而洪灾警示系统覆盖了孟加拉4,000万人 。
Google新系统提供比过去更好的预测服务 ， 甚至多了一倍的示警时间 ， 让政府与受影响人们 ， 拥有额外多一天的时间进行准备工作 ， 还生成整个洪泛区的洪水深度图 ， 提供更详细的洪水深度信息 ， 也让人们知道 ， 洪水将使哪些地方水位上升 。
这些功能来自于Google新的淹没模型加持 ， 研究团队称其为形态淹没模型（Morphological Inundation Model） ， 其结合物理模型以及机器学习技术 ， 能在真实环境的设置下 ， 创建精准且可扩展的淹没模型 。
研究团队表示 ， 洪水预报系统的第一步 ， 是要确定河流是否会出现洪水 ， Google使用水文模型 ， 通过输入降雨以及上游水位等数值 ， 就能够预测未来某个时间点河流水位 。 由于相关的模型受各国政府以及灾害相关机构长期使用与发展 ， 因此除了能够预测较长远之后的水位情况 ， 且结果也很精确 ， 有90%的几率水位误差值会小于15厘米 。
一旦水文模型预测河流将达到洪水水位 ， 则接下来便要预测洪水的范围与深度 ， 过去Google是利用卫星图像创建高品质的高程图 ， 并使用以物理模型为基础的方法 ， 预测数字地形上的水流 ， 但现在Google进一步与空中客车、Maxar和Planet等卫星图片供应商合作 ， 可取得的高程图覆盖面积 ， 波及数亿平方公里 ， 过去的模型已经不复使用 ， 使得Google必须开发新的淹没模型 。
研究团队指出 ， 创建大规模淹没模型有三个挑战 ， 除了有很高的计算复杂度之外 ， 虽然高程图不包含河流深度图 ， 但是这对模型精确度却相当重要 ， 最后 ， 无论是高程图或是测量仪器的信息 ， 都有可能出现错误 ， 而这些错误并不容易发现与修正 。
与其要解决即时模拟水流的复杂运算 ， 研究人员选择修正高程图形态（Morphology） ， 以使用简单的洪水填充方法 ， 来物理模拟洪水行为 。 为此 ， Google训练了一个纯机器学习模型 ， 不使用物理信息估量河流深度 ， 仅将河流特定点的水位作为输入 ， 并输出河流所有位置的水位 。
在这个模型 ， 研究人员设置了一些假设 ， 包括当河流特定位置的水位数值增加 ， 将使河流其他点的水位增加 ， 并且假设河流剖面图的绝对高程 ， 会从上游往下游递减 。 利用该模型以及一些启发式规则 ， 研究人员重新合成了高程图 ， 作为利用洪水填充算法模拟洪水行为的基础 ， 最后利用测量到的水位数值 ， 以及基于卫星图像的洪水范围 ， 产生最终的淹没图 。
【暮年|谷歌结合物理模拟与机器学习方法，改进洪水预测速度与准确度】研究团队提到 ， 这个新方法摆脱了一些物理模型的现实限制 ， 在缺少资料的地区 ， 模型能够通过自动学习 ， 修复可能发生的资料错误 ， 将准确性提高3% ， 改善大面积的预测 ， 也减少手工建模和校正的需求 。
推荐阅读
- 中年|谷歌生草机，翻译《我的世界》20变，连亲妈都不认识
- 元核云发布存储产品新特性，结合AI算法助力慢盘智能化检测
- 暮年|构建 AI 新生态，“软件定义”摄像机打造机器智能新捷径
- 暮年|唯一一款7英寸5G手机，发布受到质疑，却意外收获好评
- G时尚|张艺兴国风舞台太惊艳！复古帅气的造型也将时尚与国风相结合
- 暮年|从华为这三位离职牛人高管可以看出，平台往往比能力更重要
- 暮年|这次美国运营商笑不出来了，126亿！替换华为和中兴代价有点高
- 暮年|126亿！替换华为和中兴代价有点高，这次美国运营商笑不出来了
- 暮年|别老想弯道超车，新手上路小心翻车，发展半导体科技
- 暮年|细数这些年被困扰过的 TS 问题