过去通常是我们未来的窗口,尤其是在自然灾害方面。东北大学国际灾害科学研究所(irides)和日本-秘鲁地震工程研究与减灾中心(cismid)的研究人员利用2018年袭击日本西南部洪水的数据校准了机器学习模型。成功地确定了台风哈吉比斯造成的洪水
台风哈吉比斯于2019年10月摧毁了日本,炸死91人,摧毁了85,000座房屋,并造成约150亿美元的损失。整个受灾地区洪水泛滥。
在自然灾害的救援和恢复工作中,实时洪水映射至关重要。它使政府能够将救济直接用于最需要的地区。为了帮助完成这项工作,通常会使用使用人工智能(ai)的卫星图像。
至关重要的是训练数据。训练数据允许算法学习数据并在称为机器学习的过程中出现新输入时产生输出。但是,在许多情况下,训练数据的数量是有限的。灾难发生后立即收集培训数据既昂贵又费时,而且很多时候是不可能的。
在irides和cismid上,研究的作者评估了一个模型的性能,该模型可从日本西南部2018年的洪水中吸取教训,并确定由2019年台风哈吉比斯引发的洪水。生成的洪水图与地方政府和公共机构发布的实际洪水图的结果一致。
作者指出,“我们的模型成功地识别了被淹没的区域,并验证了ai可以从过去的灾难中学习,最终使我们能够更好地预测未来事件中的洪水。”他们补充说:“我们在该项目中的下一步将是将未知事件的数据整合到第二阶段的培训中,以进行更准确的估算。”
运用于心电服务系统的蓝牙接口电路设计
BT-300使AR离生活不再遥远 AR或成为日常
晶圆代工厂再展开技术角逐战
Precise for Databases支持多平台关系数据库性能监控
360对智能网联汽车提出五大安全建议
用过去来预测未来
西部数据以践行“发掘数据价值”为使命,持续丰富产品组合
浪涌电压保护注意事项
家电领域中传感器的应用探索以及发展趋势
滚动轴承内环圆度数字系统研究
基于GameGAN的动态环境模拟
智能电网是什么_智能电网的概念
VR自然灾害演练系统的应用,可提升人们应急处置能力
固纬新推PHX-系列可编程开关直流电源
预计微软云计算会成为最大业务, 营收已达到170亿美元
激光填丝焊的妙用(CRT激光焊接示教系统)
SEW-MOVEFIT网络模块故障后如何转变思路替换
基于stm32的PWM输出呼吸灯(包括stm32呼吸灯代码)
微软XSX主机即将重磅上市
PLC案例卷帘门控制