Cortana Intelligence Suite hjelper til med å forutsi flom og forbedre offentlig sikkerhet

Forskere fra University of Texas samarbeidet med andre forskere, føderale byråer, kommersielle partnere og førstehjelpere for å lage National Flood Interoperability Experiment (NFIE). De bruker Microsoft Azure & Cortana Intelligence Suite for å bygge en prototype for et nasjonalt flomdatamodellerings- og kartleggingssystem. Målene til NFIE inkluderer standardisering av data, demonstrasjon av en skalerbar løsning og å bidra til å lukke gapet mellom nasjonal flomvarsling og lokal beredskap.

Tim Petty, en doktorgradskandidat ved University of Alaska, Fairbanks, ønsket å ta opp "Onion Creek-problemet", og hva vi kan gjøre for å estimere flomnivåer når strømmålere svikter. Og slik startet prosjektet SHEM.

Strømflythydrologiestimat ved bruk av maskinlæring (SHEM) er et Cortana Intelligence Suite-eksperiment som lager en prediktiv modell som kan fungere som proxy-strømstrømdata når en strømmåler svikter. Og på grunn av maskinlæringsmulighetene, kan den til og med gjøre estimater av strømningsnivåer der det ikke er noen faktisk strømmåler til stede.

SHEM skiller seg fra de fleste eksisterende modeller ettersom den ikke er avhengig av avstander mellom strømmålere og deres plasseringsattributter, men er utelukkende basert på maskinlæring for å behandle fra historiske utslippsmønstre og tolke store mengder komplekse hydrologidata. Denne "treningen" forbereder SHEM til å forutsi strømningsinformasjon for et gitt sted og tidspunkt ettersom den påvirkes av multivariate attributter (for eksempel type strøm, type reservoar, nedbørmengde og overflate- og undergrunnsstrømningsforhold).

Les om dette prosjektet i detalj her.. Lær om Cortana Intelligence Suite fra Microsoft her..