Một nghiên cứu mới được công bố trên tạp chí Hydrology cung cấp một mô hình học máy do các nhà nghiên cứu của Đại học Concordia phát triển để cải thiện các quy trình sơ tán lũ lụt.
Nghiên cứu sinh Mohamed Almetwally Ahmed và Samuel Li, giáo sư kiêm trưởng khoa kỹ thuật dân dụng của trường đại học, đã tạo ra một kỹ thuật sử dụng trí tuệ nhân tạo để dự đoán chính xác hơn dòng chảy ngắn hạn của một con sông, đây là dữ liệu quan trọng cho việc sơ tán.
Đọc thêm:
Sông khí quyển: nó là gì và lớn nhất thế giới? Trên khắp châu Phi, một cơn bão hình con sứa được vệ tinh ghi lại. Khủng hoảng khí hậu: công nghệ mới sử dụng trí tuệ nhân tạo để dự đoán bão Kiểm tra dòng chảy của sông một cách chi tiết và cho phép dự đoán hiệu quả hơn về lũ lụt có thể xảy ra - Hình ảnh: Thủy văn Cách thức hoạt động của mô hình nghiên cứu Mô hình được phát triển dựa trên dữ liệu lịch sử từ các trạm thủy văn và các thông số mới về điều kiện khí hậu như lượng mưa, nhiệt độ và độ ẩm. Các nhà nghiên cứu tập trung vào việc đo sự đối lưu, đại diện cho tốc độ chuyển động của nước giữa hai trạm trên sông Ottawa. Nghiên cứu đã sử dụng dữ liệu được chính phủ Canada thu thập trong nhiều thập kỷ và thử nghiệm mô hình với dữ liệu từ các khu vực khác, chẳng hạn như sông Boise và Missouri ở Hoa Kỳ. Mô hình đưa ra ước tính chính xác về lưu lượng hàng ngày và đặc biệt là lưu lượng theo thời gian thực, giúp dự đoán lưu lượng nước trong tối đa 24 giờ, điều này rất cần thiết để sơ tán hiệu quả. Phương pháp sử dụng chín yếu tố dự báo (bảy yếu tố khí hậu và hai yếu tố lịch sử), được điều chỉnh theo thời gian dự báo. Theo thời gian, mô hình này sẽ đi vào hoạt động và công chúng có thể tiếp cận, cung cấp các dự đoán mực nước theo thời gian thực, tương tự như dự báo thời tiết.
Ý tưởng của Ahmed là để chính quyền sử dụng mô hình này như một công cụ để lập kế hoạch sơ tán, tối ưu hóa hậu cần vận tải và cứu người và tài sản trong lũ lụt.
Nghiên cứu có thể giúp chính quyền bắt đầu sơ tán dân thường kịp thời để đảm bảo an toàn cho mọi người - Ảnh: humphery/Shutterstock