尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
洪水是世界上最常見和最致命的自然災害之一。每年由於洪水死亡的人數可達數萬人，並且有數億人流離失所，並且洪水災害造成的人力物力損失極高。僅在美國，從2005年到2014年，平均洪水索賠為42,000美元，總洪水保險索賠平均每年超過35億美元。
毫無疑問，準確的洪水預報是一個理想的狀態。據研究，預警系統可以將死亡和經濟損失減少三分之一以上，這也是科學家在人工智能幫助下繼續前進的方向。最近在Preprint Server arxiv.org上發表的一篇新論文(「按比例進行洪水預報的ML」)中，來自Google、以色列理工學院和巴伊蘭大學的研究人員描述了一種機器學習系統，它能準確預測河流洪水。
這項研究借鑒了Google去年年底在印度巴特那的成果，山景公司與印度中央水務委員會合作試行了洪水預測模型。它建立在哈佛大學和Google於2018年8月發表的研究基礎上。
正如論文所指出的，構建洪水預測模型的最大挑戰之一是參數校準，這是一種旨在將算法預測與某些基線測量相匹配的優化過程。但是標準方法涉及重要的手工測量，並且特定地點的數據量有限，模型很難推廣。但機器學習在這種情況下非常有用：學習模型在複雜的高維場景中超越了人類專家。研究人員稱，根據2018年季風季節產生的警報，預測精確到300米的分辨率，分別超過90%和75%的召回和精確度。
由於基於物理的模擬的高計算成本和由於錯誤輸入導致的不準確性，它不是一個完美的模型。但該團隊認為，機器學習技術是改進未來工作預測的關鍵，這些技術有朝一日可用於預測未通過基於物理的模型模擬的事件，如融雪和河流流量。研究人員稱，為了做到這一目標正在收集和組合來自不同來源的開放數據集，以使ML社區更容易解決這個問題。」