Nature重磅：AI击败最先进全球洪水预警系统，提前7天预测河流洪水，每年挽救数千人生命

832 0 0

文章摘要

<新智元报道了谷歌研究团队在Nature上发表的一项关于升级洪水预警系统的研究>。洪水是全球最常见的自然灾害之一，影响着约<15亿人>，占全球人口的<19%>，每年造成约<500亿美元>的经济损失。气候变化导致某些地区的洪水频率增加，而现有的洪水预报方法主要依赖沿河观测站，全球分布不均，使得未经测量的河流难以预报，负面影响主要体现在发展中国家。

谷歌研究团队开发的人工智能模型通过利用<5680个测量仪>进行训练，可预测未测量流域在<7天预测期>内的日径流。该模型与全球洪水预警系统（）进行对比测试，结果显示，模型在同日预测准确率上与当前系统相当甚至更高。此外，该模型在预测重现窗口期为<五年>的极端天气事件时，准确性与GloFAS预测重现窗口期为<一年>的事件时相当或更高。

该研究使用的是基于<长短期记忆（LSTM）>网络的人工智能模型，分为编码器和解码器两部分。编码器从历史气象数据中提取信息，学习特征和时间模式，捕获气象数据之间的时间依赖关系。解码器则结合历史气象信息和未来预测，生成对未来河流流量的预测，并输出流量概率分布。

研究人员收集了大量的气象数据和河流流量数据来训练模型，并通过交叉验证方法评估模型性能。结果显示，模型在不同季节、不同气候条件下的预测性能较高，尤其是在短期回报周期的事件上。模型的预测结果在统计上显著优于基准模型，显示出显著的性能改进效果。

然而，研究存在局限性，如样本较小、数据集多样性不足、模型复杂度高等问题。未来工作需要扩大洪水预报覆盖范围，评估长期影响，并继续利用人工智能技术推动科学研究和气候行动。