Cortana Intelligence Suite hjælper med at forudsige oversvømmelser og forbedre den offentlige sikkerhed

Forskere fra University of Texas samarbejdede med andre forskere, føderale agenturer, kommercielle partnere og førstehjælpere for at skabe National Flood Interoperability Experiment (NFIE). De bruger Microsoft Azure & Cortana Intelligence Suite til at bygge en prototype til et nationalt oversvømmelsesdatamodellerings- og kortlægningssystem. Målene for NFIE inkluderer standardisering af data, demonstration af en skalerbar løsning og hjælp til at lukke kløften mellem national oversvømmelsesprognose og lokal nødberedskab.

Tim Petty, en ph.d.-kandidat ved University of Alaska, Fairbanks, ønskede at tage fat på "Onion Creek-problemet", og hvad vi kan gøre for at estimere oversvømmelser, når strømmålere svigter. Og så begyndte projektet SHEM.

Strømflow-hydrologiestimat ved hjælp af maskinlæring (SHEM) er et Cortana Intelligence Suite-eksperiment, der skaber en forudsigelig model, der kan fungere som en proxy-strømstrømsdata, når en strømmåler svigter. Og på grund af maskinlæringsmulighederne kan den endda lave estimater af strømniveauer, hvor der ikke er nogen faktisk strømmåler til stede.

SHEM adskiller sig fra de fleste eksisterende modeller, da den ikke er afhængig af afstande mellem strømmålere og deres placeringsattributter, men udelukkende er baseret på maskinlæring til at behandle fra historiske udledningsmønstre og fortolke store mængder af komplekse hydrologidata. Denne "træning" forbereder SHEM til at forudsige strømningsinformation for et givet sted og tidspunkt, da det påvirkes af multivariate attributter (f.eks. type strøm, type reservoir, mængden af ​​nedbør og overflade- og underjordiske strømningsforhold).

Læs mere om dette projekt link.. Lær om Cortana Intelligence Suite fra Microsoft link..