Cortana Intelligence Suite está ayudando a predecir inundaciones y mejorar la seguridad pública

Icono de tiempo de lectura 2 minuto. leer


Los lectores ayudan a respaldar a MSpoweruser. Es posible que obtengamos una comisión si compra a través de nuestros enlaces. Icono de información sobre herramientas

Lea nuestra página de divulgación para descubrir cómo puede ayudar a MSPoweruser a sostener el equipo editorial. Leer más

Investigadores de la Universidad de Texas colaboraron con otros investigadores, agencias federales, socios comerciales y socorristas para crear el Experimento Nacional de Interoperabilidad de Inundaciones (NFIE). Están utilizando Microsoft Azure y Cortana Intelligence Suite para construir un prototipo para un sistema nacional de mapeo y modelado de datos de inundaciones. Los objetivos de la NFIE incluyen estandarizar los datos, demostrar una solución escalable y ayudar a cerrar la brecha entre el pronóstico nacional de inundaciones y la respuesta de emergencia local.

Tim Petty, candidato a doctorado en la Universidad de Alaska, Fairbanks, quería abordar "el problema de Onion Creek" y lo que podemos hacer para estimar los niveles de inundación cuando fallan los medidores de corriente. Y así comenzó el proyecto SHEM.

La estimación de hidrología de caudales mediante el aprendizaje automático (SHEM) es un experimento de Cortana Intelligence Suite que crea un modelo predictivo que puede actuar como un proxy de datos de caudales cuando falla un medidor de caudales. Y debido a las capacidades de aprendizaje automático, incluso puede hacer estimaciones de los niveles de flujo donde no hay un medidor de flujo real presente.

SHEM difiere de la mayoría de los modelos existentes en que no se basa en las distancias entre los medidores de flujo y sus atributos de ubicación, sino que se basa únicamente en el aprendizaje automático para procesar patrones históricos de descarga e interpretar grandes volúmenes de datos hidrológicos complejos. Este “entrenamiento” prepara a SHEM para predecir información de flujo de corriente para una ubicación y tiempo determinados, ya que se ve afectada por atributos multivariados (por ejemplo, tipo de corriente, tipo de reservorio, cantidad de precipitación y condiciones de flujo superficial y subterráneo).

Lea acerca de este proyecto en detalle esta página. Más información sobre Cortana Intelligence Suite de Microsoft esta página.

Más sobre los temas: Conjunto de inteligencia de Cortana, Inundación, microsoft Azure, predicción, Universidad de Texas

Deje un comentario

Su dirección de correo electrónico no será publicada. Las areas obligatorias están marcadas como requeridas *