高危水坝的出险几率能预测？看水循环模型和AI如何助力

目前在美国境内的88000多座水坝中，有15498座被归类为高风险建筑，这意味着如果一旦崩溃决堤，这些水坝导致的人员伤亡将相当惨重。据美国“科学博客”网（Science Blog）8月23日消息称，由美国哥伦比亚大学水中心（Columbia Water Center）主导的一个研究项目旨在帮助指导和协助这些大坝的修复或拆除工作。该研究小组利用气候模型、GIS数据和人工智能预了测降雨量超过容量时，大坝对下游人口和关键基础设施造成重大破坏的可能性，从而识别和确定出目前风险最高的若干大坝。参与该项目的博士后研究员Byungjin So介绍道：“我们可以判断出哪些大坝应该优先进行修复，哪些需要进行密切监控，以应对紧急情况。”

这一预测工作首先从气候数据入手，利用气候模型的计算来弄清大气环流和跨时空的水分流动模式。值得一提的是，研究人员将重点聚焦在风的情况上，它在穿过太平洋向加利福尼亚移动的过程中会吸收水分。So解释道：“目前我们只和加州合作，但之后我们会考虑将研究扩展到整个美国。”接下来，研究人员利用人工智能进一步分析确定这些水汽和循环模式是否真的会转化为实际的降雨。人工智能正在利用深度学习（deep learning）技术来分析1980年至2017年的数据，从而识别哪些模式通常会真的导致加州降雨。然后，它将即将到来的天气系统分类为“下雨”或“不下雨”两类，其准确率高达95%。最后，So还必须预测判定降雨是否会导致大坝崩溃。他将综合高程图、大坝高度、大坝蓄水能力和径流量计算结果来预测降雨量是否会超过大坝容量。与此同时，人口统计数据还将披露河流下游可能面临危险的居民和关键基础设施的情况。

到目前为止，人工智能只将天气事件分为“潮湿天气”和“干燥天气”两类。最终，So希望能对天气事件进行更详尽的分类，比如计算出“低降雨量”和“高降雨量”。此外，他目前正致力于将人工智能组件与气候模型相结合，并计划在今年10月份完成项目中该部分的工作，而大坝的评估模型预计将于明年完工，该模型将能够绘制出包括交通、发电装置、人口和水/废水处理基础设施等要素的信息图层，并且分析预估如果这些大坝出现故障，之前那些要素所可能遭受到的影响。再者，机器学习（machine learning）手段还将通过对几个选定大坝的失效动力学过程进行严格模拟，来预测88000个大坝中任何一个失效时所可能导致的下游洪水泛滥和灾害。So表示，他希望这个模型能在2020年之前搭建完毕，届时希望能为现实世界的决策制定者们提供建议，并帮助保护人民和基础设施的安全。

编译：朱明逸 审稿：三水

责编：南熙

来源：http://h5.scimall.net.cn/register?from=wechat

版权声明：本文由科界平台原创编译，中文内容仅供参考，一切内容以英文原版为准。转载请注明来源：科技工作者之家-科界App。