使用块数据进行洪水预报可以挽救生命——一种新的机器学习方法使之成为可能

最近几周，加州发生的极端洪水和泥石流让许多司机感到意外。污水坑吞没了汽车，高速公路变成了湍急的河流，整个社区都被疏散了。至少 20人死亡 在暴风雨中， 其中几个 被困在湍急的水中的汽车中后。

当我在手机天气应用程序上查看 2023 年 1 月上旬暴风雨期间的天气预报时，我想知道暴雨中的人们在决定是否离开家并确定哪条路线最安全时是否使用了类似的技术。他们觉得这就足够了吗？

我是一个 有时在偏远地区工作的水文学家, ，因此解释天气数据和预测不确定性始终是我计划的一部分。作为一个曾经在穿越不应该被洪水淹没的河流时差点被淹死的人，我也敏锐地意识到，由于不知道洪水何时何地发生，人类的极度脆弱性。

大约三分之二 美国因洪水造成的死亡人数 被分类为“驾驶”和“在水中”。如果人们通过手机应用程序或网站实时了解这些地点发生洪水的可能性 其中一些死亡是可能可以避免的.

然而，即使是应急管理人员目前对洪水可能发生的时间和地点的信息也少之又少。他们知道哪里可能发生洪水， 特别是沿着 河流. 。但每次洪水都是不同的，诸如哪些道路可以安全使用以及哪些人群受到影响等关键问题仍然需要第一手观察。

我一直在与同事合作开发一种方法来克服当前进行此类预测的障碍。 使用“概率学习”——一种机器学习——该方法可以创建当地的洪水灾害模型，该模型可以使用实时风暴预报来精确定位街道的情况。

洪水预报挑战

可以预测雨水到达地面后会发生什么情况的计算机程序是实时预测洪水发生地点和时间的终极工具。

然而，这样的洪水 模型需要大量的计算能力. 。目前还没有办法在任何地方快速实时预测洪水。与人类决策相关的详细程度——代表建筑物、疏散路线或基础设施资产——是遥不可及的。

第二个挑战是 高不确定性 降水预报和洪水模型的许多其他输入。

过去几十年的研究探索了使用“蛮力”方法解决这些艰巨挑战的可能性：更快的计算机和更多的计算机。最终，它表明我们需要重新思考如何预测洪水。

设计有效的当地洪水预报

我们开发的方法通过使用复杂的洪水模型来开发和训练更简单的模型来解决这些挑战，然后这些模型可以模仿当地环境中的洪水行为，其准确度几乎与更强大的老师相同。重要的是，我们有 研究显示 即使是个人计算机也可以使用这些更简单的模型来实时预测洪水。也许甚至是手机。

为了预测洪水，人们需要预测洪水在城市社区中如何开始和演变，并且需要非常详细地了解预测的不确定性范围。

我们的方法建立在许多城市已经拥有的关键信息的基础上：有关其社区和周围流域的地形、土地使用方式、建筑物和道路的布局以及雨水排水沟和管道的特征（例如它们可以承载多少水）的详细数据。路面和过时的雨水基础设施尤其会影响水的流动方式以及城市环境中哪些区域会发生洪水。

然后，我们使用最先进、最先进的技术之一 可用的洪水模型 训练更简单的模型。

这些更简单的模型速度更快，需要的计算能力要少得多，因为它们使用极其简单的函数，并且每个模型都专注于给定位置和时间的单个变量，例如淹没水位或水流速度。当添加实时天气预报信息时，数千个它们可以提供可能发生的洪水的非常准确的图像。

关键的一点是，这些更简单的模型是在“休息时间”——暴风雨来临之前——开发的。这些分析可以使用 免费提供的工具包 由能源部开发。

这种方法用使用先前训练的简单本地社区模型的更简单的任务取代了几乎不可能的实时计算负担。

我们 演示了该方法 在一项研究中使用 2017 年飓风哈维造成休斯敦洪水. 。结果表明，在典型计算机上需要数年时间才能运行的计算问题可以在短短几秒钟内完成，并且具有相当的精度水平。

展望未来

随着全球变暖 增加降雨强度 随着人口的增长，洪水风险将会上升。其他 日益认识到的问题 社区如何管理雨水的标准是 根据过去的气候. 。现有的雨水渠和管道根本无法处理额外的水， 增加洪水损失的成本.

虽然还需要进一步的工作才能将其广泛使用，但我们相信该方法为使洪水预报更加相关、详细和准确开辟了途径。它还提供了评估现有雨水基础设施是否充足的方法，并且可以重新设计以评估其他难以量化的自然灾害（例如山体滑坡和火灾）的影响。

城市有 高房屋价值 私营部门可能会看到更多的洪水预报服务。然而，政府机构可以使用这种新颖的模型来扩展他们的预测任务，以帮助每个人。人们可以设想，拥有适当技能和资源的县可以提供当地的洪水预报。如果不是当地社区，谁最能参与有效的洪水应对管理和减灾工作？