Sebuah studi baru yang diterbitkan dalam Journal of Hydrology menyajikan model pembelajaran mesin yang dikembangkan oleh para peneliti di Universitas Concordia untuk meningkatkan protokol evakuasi banjir.
Muhammad Almetwalli Ahmed, seorang kandidat doktor, dan Samuel Lee, profesor dan ketua Departemen Teknik Sipil universitas tersebut, menggunakan kecerdasan buatan untuk memprediksi aliran sungai jangka pendek dengan lebih akurat, yang merupakan data penting untuk evakuasi.
Baca selengkapnya:
Sungai atmosfer: apa itu dan terbesar di dunia? Badai berbentuk bayi yang tercatat di Afrika melalui satelit Krisis iklim: teknologi baru menggunakan AI untuk memprediksi badai Pelajari aliran sungai secara detail dan prediksi banjir yang lebih efektif - Gambar: Hidrologi Cara Kerja Model Pembelajaran Berbasis Model. data historis dari stasiun hidrometri dan parameter iklim baru seperti curah hujan, suhu dan kelembaban. Para peneliti fokus pada pengukuran konveksi, yang mengukur kecepatan pergerakan air antara dua stasiun di Sungai Ottawa. Penelitian ini menggunakan data puluhan tahun yang dikumpulkan oleh Pemerintah Kanada dan menguji model tersebut dengan data dari wilayah lain di Amerika Serikat, seperti sungai Pond dan Missouri. Model ini memberikan perkiraan akurat mengenai limpasan harian dan, khususnya, membantu memprediksi aliran air secara real-time, hingga 24 jam aliran air yang diperlukan untuk evakuasi yang efektif. Metode yang menggunakan sembilan peramal (tujuh klimatologi dan dua historis) ini disesuaikan dengan periode perkiraan. Seiring waktu, model ini akan beroperasi dan terbuka untuk umum, memprediksi ketinggian air secara real time, serupa dengan prakiraan cuaca.
Ide Ahmad adalah agar pemerintah menggunakan model tersebut sebagai alat untuk merencanakan evakuasi, mengoptimalkan logistik transportasi dan menyelamatkan nyawa dan harta benda saat banjir.
Penelitian ini dapat membantu pihak berwenang mengevakuasi warga sipil lebih cepat - Gambar: humpheria/Shutterstock