Cortana Intelligence Suite helpt overstromingen te voorspellen en de openbare veiligheid te verbeteren

Onderzoekers van de Universiteit van Texas werkten samen met andere onderzoekers, federale instanties, commerciële partners en eerstehulpverleners om het National Flood Interoperability Experiment (NFIE) te creëren. Ze gebruiken Microsoft Azure & Cortana Intelligence Suite om een ​​prototype te bouwen voor een nationaal modellerings- en kaartsysteem voor overstromingen. De doelen van de NFIE zijn onder meer het standaardiseren van gegevens, het demonstreren van een schaalbare oplossing en het helpen dichten van de kloof tussen nationale overstromingsvoorspellingen en lokale noodhulp.

Tim Petty, een promovendus aan de Universiteit van Alaska, Fairbanks, wilde het 'Onion Creek-probleem' aanpakken en wat we kunnen doen om de overstromingsniveaus in te schatten wanneer stroommeters het begeven. En zo begon project SHEM.

Streamflow-hydrologieschatting met behulp van machine learning (SHEM) is een Cortana Intelligence Suite-experiment dat een voorspellend model creëert dat kan fungeren als proxy-stroomstroomgegevens wanneer een stroommeter uitvalt. En dankzij de machine learning-mogelijkheden kan het zelfs schattingen maken van stroomniveaus waar er geen daadwerkelijke stroommeter aanwezig is.

SHEM verschilt van de meeste bestaande modellen omdat het niet afhankelijk is van afstanden tussen stroommeters en hun locatiekenmerken, maar uitsluitend gebaseerd is op machine learning om historische afvoerpatronen te verwerken en grote hoeveelheden complexe hydrologische gegevens te interpreteren. Deze "training" bereidt SHEM voor op het voorspellen van stroomstroominformatie voor een bepaalde locatie en tijd, aangezien deze wordt beïnvloed door multivariate attributen (bijvoorbeeld type stroom, type reservoir, hoeveelheid neerslag en oppervlakte- en ondergrondse stroomomstandigheden).

Lees meer over dit project hier. Meer informatie over Cortana Intelligence Suite van Microsoft hier.