-block データによる洪水予測は命を救う可能性があります – 新しい機械学習手法がそれを可能にします

ここ数週間、カリフォルニア全土で発生した極端な洪水と土砂崩れは、多くのドライバーを驚かせた。陥没穴が車を飲み込み、高速道路は流れの速い川と化し、近隣全体が避難した。少なくとも 20人が死亡 嵐の中、 そのうちのいくつか 急流で車に閉じ込められた後。

2023年1月初旬の数週間、嵐が続いていた間、携帯電話の天気アプリで天気予報をチェックしていたとき、土砂降りの真っ只中にいる人々が、家を出るかどうかを判断し、どのルートが最も安全かを判断する際に、同様のテクノロジーを利用しているのではないかと疑問に思った。彼らはそれで十分だと感じましたか？

私は 時々僻地で働く水文学者, そのため、気象データと予測の不確実性を解釈することは、常に私の計画の一部です。私もかつて、氾濫した川を渡ってはいけないところで溺れそうになった経験があるので、いつ、どこで洪水が起こるか正確に分からないことから生じる人間の極度の脆弱性を痛感しています。

3分の2くらい 米国における洪水関連の死亡者数 に分類されます。運転中と水中」もし人々が携帯電話のアプリやウェブサイトを通じて、それらの場所での洪水の可能性をリアルタイムで知っていたら これらの死の一部は避けられた可能性がある.

しかし、現在、緊急事態管理担当者ですら、いつ、どこで洪水が発生する可能性があるかについて、驚くほど少ない情報を持って活動しているのが現状である。彼らはどこで洪水が起こるかを知っています。 特にそれに沿って 河川. 。しかし、洪水はそれぞれ異なり、どの道路が安全に使用できるか、どの住民が浸水するかなどの重要な問題は依然として直接の観察が必要です。

私は同僚と協力して、その種の予測に対する現在の障害を回避する方法を開発してきました。 「確率学習」を利用する」 – 機械学習の一種 – この方法では、リアルタイムの暴風雨予測を使用して通りごとに状況を正確に特定できる、局所的な洪水ハザード モデルを作成できます。

洪水予測への挑戦

雨水が地面に落ちた後にどうなるかを予測できるコンピューター プログラムは、洪水がいつどこで起こるかをリアルタイムで予測するための究極のツールです。

しかし、このような洪水 モデルには膨大なコンピューティング能力が必要です. 。現在、どこでもリアルタイムで洪水を迅速に予測する手段はありません。建物、避難経路、インフラ資産を表す人間の決定に関連する詳細レベルには手が届きません。

2つ目の課題は、 不確実性が高い 降水量予測や洪水モデルの他の多くの入力に使用されます。

過去数十年にわたる研究では、「強引な」アプローチを使用してこれらの難題を解決する可能性が探求されました。より高速なコンピューターとより多くのコンピューター。最終的には、洪水を予測する方法を再考する必要があることを示唆しています。

効果的な地域洪水予測の設計

私たちが開発したアプローチは、洗練された洪水モデルを使用して、より強力な教師とほぼ同じレベルの精度でローカル環境での洪水挙動を模倣できるより単純なモデルを開発およびトレーニングすることで、これらの課題に取り組みます。重要なことは、私たちが持っているのは、 研究で示されている これにより、パーソナル コンピューターでもこれらの単純なモデルを使用して洪水をリアルタイムで予測できるようになります。もしかしたら携帯電話もそうかも知れません。

洪水を予測するには、都市コミュニティで洪水がどのように始まり、どのように進展するかを、詳細なレベルで予測し、予測の不確実性の範囲を理解する必要があります。

私たちのアプローチは、多くの都市がすでに持っている重要な情報に基づいています。彼らのコミュニティと周囲の流域の地形、土地の利用方法、建物や道路の配置、雨水の排水溝やパイプの特性（どれだけの水を運ぶことができるかなど）に関する詳細なデータ。特に舗装や老朽化した雨水インフラは、都市環境における水の流れやどのエリアが浸水するかに影響を与える可能性があります。

次に、最新かつ洗練されたものの 1 つを使用します。 洪水モデルが利用可能 より単純なモデルをトレーニングします。

これらの単純なモデルは、非常に単純な関数を使用し、浸水レベルや水の流速など、特定の場所および時間における単一の変数に焦点を当てているため、高速であり、必要な計算能力がはるかに少なくなります。リアルタイムの天気予報情報が追加されると、何千もの情報が洪水の可能性を驚くほど正確に提供できます。

重要な点は、これらのよりシンプルなモデルが嵐のかなり前の「オフタイム」に開発されるということです。これらの分析は、 無料で利用できるツールキット エネルギー省によって開発されました。

このアプローチは、リアルタイムでの計算というほぼ不可能に近い負担を、事前にトレーニングされたローカル コミュニティの単純なモデルを使用するという簡単なタスクに置き換えます。

私たちは アプローチを実証した を使った研究で 2017年のハリケーン・ハービーによるヒューストンの洪水. 。その結果、通常のコンピュータでは実行するには何年もかかる計算問題が、同程度の精度でわずか数秒で実行できることがわかりました。

将来を見据えて

地球温暖化として 降雨強度が増加する 人口が増加すると、洪水のリスクが高まります。別の ますます認識される問題 それは、コミュニティが雨水を管理する方法の基準が次のとおりであるということです。 過去の気候に基づいて. 。既存の雨水管やパイプでは追加の水を処理できません。 洪水被害によるコストの増加.

これを広く活用するにはさらなる研究が必要ですが、この方法により洪水予測をより関連性があり、詳細で正確なものにする道が開かれると私たちは信じています。また、既存の雨水インフラの適切性を評価する手段も提供し、地滑りや火災など、定量化が難しい他の自然災害の影響を評価するためにスタイルを変更することもできます。

ある都市 住宅価値が高い 民間部門による洪水予測サービスがさらに増える可能性がある。ただし、政府機関はこの種の斬新なモデリングを使用して、すべての人を支援する予測任務を拡大できる可能性があります。適切なスキルとリソースを備えた郡が地域の洪水予測を提供することを想像することもできます。効果的な洪水対応管理と軽減に最も権利を持っているのは地元コミュニティではないとしたら誰でしょうか?