Hochwasservorhersagen mit Blockdaten könnten Leben retten – eine neue Methode des maschinellen Lernens macht es möglich

Die extremen Überschwemmungen und Schlammlawinen in Kalifornien in den letzten Wochen haben viele Autofahrer überrascht.Dolinen verschluckten Autos, Autobahnen wurden zu schnell fließenden Wasserflüssen, ganze Stadtviertel wurden evakuiert.Mindestens 20 Menschen starben in den Stürmen, mehrere davon nachdem sie im strömenden Wasser in Autos eingeklemmt waren.

Als ich während der Sturmwochen Anfang Januar 2023 die Wettervorhersagen auf meinen Handy-Wetter-Apps überprüfte, fragte ich mich, ob Menschen inmitten der Regengüsse eine ähnliche Technologie nutzten, um zu entscheiden, ob sie ihre Häuser verlassen sollten, und um herauszufinden, welche Routen am sichersten waren.Hatten sie das Gefühl, dass es ausreichend war?

Ich bin ein Hydrologe, der manchmal in abgelegenen Gebieten arbeitet, Daher ist die Interpretation von Wetterdaten und Prognoseunsicherheiten immer Teil meiner Planung.Als jemand, der einmal fast ertrunken wäre, als er einen überschwemmten Fluss überquerte, wo ich es nicht hätte tun sollen, bin ich mir auch der extremen menschlichen Verletzlichkeit bewusst, die daraus resultiert, dass man nicht genau weiß, wo und wann eine Überschwemmung eintritt.

Etwa zwei Drittel davon Todesopfer durch Überschwemmungen in den USA werden klassifiziert als „Fahren“ und „im Wasser“..“ Wenn die Menschen die Wahrscheinlichkeit einer Überschwemmung an diesen Orten in Echtzeit gewusst hätten – über eine Handy-App oder eine Website – Es ist möglich, dass einige dieser Todesfälle hätten vermieden werden können.

Doch selbst das Notfallmanagement-Personal verfügt derzeit über überraschend wenige Informationen darüber, wann und wo Überschwemmungen zu erwarten sind.Sie wissen, wo es zu Überschwemmungen kommen kann, besonders entlang Flüsse.Aber jede Überschwemmung ist anders und wichtige Fragen, wie etwa welche Straßen sicher genutzt werden können und welche Bevölkerungsgruppen gefährdet sind, müssen immer noch aus erster Hand beobachtet werden.

Ich habe mit Kollegen zusammengearbeitet, um eine Methode zu entwickeln, die die aktuellen Hindernisse für diese Art von Prognosen umgeht. Mit „probabilistischem Lernen“.„ – eine Art maschinelles Lernen – mit der Methode können lokale Hochwassergefahrenmodelle erstellt werden, die anhand von Sturmvorhersagen in Echtzeit die Bedingungen Straße für Straße genau bestimmen können.

Die Herausforderung der Hochwasservorhersage

Computerprogramme, die vorhersagen können, was mit dem Regenwasser passiert, nachdem es auf den Boden trifft, sind die ultimativen Werkzeuge, um in Echtzeit vorherzusagen, wo und wann es zu Überschwemmungen kommen wird.

Allerdings eine solche Flut Modelle erfordern enorme Mengen an Rechenleistung.Derzeit gibt es keine Möglichkeit, Überschwemmungen überall schnell und in Echtzeit vorherzusagen.Der für menschliche Entscheidungen relevante Detaillierungsgrad – die Darstellung von Gebäuden, Fluchtwegen oder Infrastrukturanlagen – ist unerreichbar.

Eine zweite Herausforderung ist die hohe Unsicherheit in Niederschlagsvorhersagen und vielen anderen Eingaben von Hochwassermodellen.

Die Forschung der letzten Jahrzehnte untersuchte die Möglichkeiten, diese gewaltigen Herausforderungen mithilfe von „Brute-Force“-Ansätzen zu lösen:schnellere Computer und mehr Computer.Letztlich deutet dies darauf hin, dass die Art und Weise, wie wir Überschwemmungen vorhersagen, überdacht werden muss.

Gestaltung effektiver lokaler Hochwasservorhersagen

Der von uns entwickelte Ansatz begegnet diesen Herausforderungen, indem er mithilfe eines ausgefeilten Hochwassermodells einfachere Modelle entwickelt und trainiert, die dann das Hochwasserverhalten in lokalen Umgebungen nahezu mit der gleichen Genauigkeit nachahmen können wie ihr leistungsfähigerer Lehrer.Wichtig ist, dass wir es getan haben in Studien gezeigt dass dann sogar ein Personalcomputer diese einfacheren Modelle verwenden kann, um Überschwemmungen in Echtzeit vorherzusagen.Vielleicht sogar ein Mobiltelefon.

Um Überschwemmungen vorherzusagen, muss man vorhersagen, wie Überschwemmungen in städtischen Gemeinden beginnen und sich entwickeln – mit einem hohen Detaillierungsgrad und einem Verständnis der Grenzen der Unsicherheit rund um die Vorhersage.

Unser Ansatz baut auf Schlüsselinformationen auf, über die viele Städte bereits verfügen:detaillierte Daten zur Topographie ihrer Gemeinden und des umliegenden Wassereinzugsgebiets, zur Landnutzung, zur Anordnung von Gebäuden und Straßen sowie zu den Eigenschaften von Regenwasserkanälen und -rohren, z. B. wie viel Wasser sie transportieren können.Insbesondere Gehwege und veraltete Regenwasserinfrastruktur können die Art und Weise beeinflussen, wie das Wasser fließt und welche Bereiche in einer städtischen Umgebung überschwemmt werden.

Wir verwenden dann eines der modernsten und anspruchsvollsten Hochwassermodelle verfügbar um einfachere Modelle zu trainieren.

Diese einfacheren Modelle sind schneller und erfordern weitaus weniger Rechenleistung, da sie äußerst einfache Funktionen verwenden und sich jeweils auf eine einzelne Variable an einem bestimmten Ort und zu einem bestimmten Zeitpunkt konzentrieren, beispielsweise auf die Überschwemmungshöhe oder die Wasserfließgeschwindigkeit.Tausende von ihnen können ein bemerkenswert genaues Bild wahrscheinlicher Überschwemmungen liefern, wenn Echtzeit-Wettervorhersageinformationen hinzugefügt werden.

Der entscheidende Punkt ist, dass diese einfacheren Modelle in der „Off-Time“ entwickelt werden – lange vor den Stürmen.Diese Analysen können mit a durchgeführt werden frei verfügbares Toolkit Entwickelt vom Energieministerium.

Dieser Ansatz ersetzt die nahezu unmögliche Last der Berechnung in Echtzeit durch die einfachere Aufgabe, zuvor trainierte, einfache Modelle der lokalen Gemeinschaft zu verwenden.

Wir demonstrierte den Ansatz in einer Studie mit die Überschwemmung in Houston im Jahr 2017 durch Hurrikan Harvey.Die Ergebnisse zeigten, dass ein Rechenproblem, dessen Ausführung auf einem typischen Computer sonst Jahre dauern würde, in nur wenigen Sekunden mit vergleichbarer Genauigkeit ausgeführt werden kann.

Blick nach vorn

Als globale Erwärmung erhöht die Niederschlagsintensität Wenn die Bevölkerung wächst, steigt auch die Überschwemmungsgefahr.Ein anderer zunehmend erkanntes Problem ist, dass die Standards für die Bewirtschaftung von Regenwasser in Gemeinden unterschiedlich sind basierend auf dem Klima der Vergangenheit.Vorhandene Regenwasserkanäle und -rohre können das zusätzliche Wasser einfach nicht bewältigen. die Kosten von Hochwasserschäden steigen.

Auch wenn noch weitere Arbeit erforderlich ist, um die Methode in großem Umfang einzusetzen, glauben wir, dass die Methode Möglichkeiten eröffnet, Hochwasservorhersagen relevanter, detaillierter und genauer zu machen.Es bietet auch die Möglichkeit, die Angemessenheit der vorhandenen Regenwasserinfrastruktur zu bewerten, und kann umgestaltet werden, um die Auswirkungen anderer schwer zu quantifizierender Naturgefahren wie Erdrutsche und Brände zu bewerten.

Städte mit hohe Hauswerte werden wahrscheinlich mehr Hochwasservorhersagedienste vom privaten Sektor erhalten.Allerdings könnten Regierungsbehörden diese Art der neuartigen Modellierung nutzen, um ihre Prognoseaufgabe zu erweitern und allen zu helfen.Man könnte sich vorstellen, dass Landkreise mit den richtigen Fähigkeiten und Ressourcen lokale Hochwasservorhersagen erstellen.Wer, wenn nicht die Gemeinden vor Ort, ist am meisten für die wirksame Bewältigung und Eindämmung von Überschwemmungen zuständig?