Cortana Intelligence Suite pomaga przewidywać powodzie i poprawiać bezpieczeństwo publiczne

Naukowcy z University of Texas współpracowali z innymi badaczami, agencjami federalnymi, partnerami komercyjnymi i pierwszymi służbami ratunkowymi, aby stworzyć Narodowy Eksperyment Interoperacyjności Powodzi (NFIE). Wykorzystują Microsoft Azure i Cortana Intelligence Suite do zbudowania prototypu krajowego systemu modelowania danych i mapowania powodzi. Cele NFIE obejmują standaryzację danych, zademonstrowanie skalowalnego rozwiązania i pomoc w zlikwidowaniu luki między krajowymi prognozami powodzi a lokalnym reagowaniem na sytuacje kryzysowe.

Tim Petty, doktorant na Uniwersytecie Alaski w Fairbanks, chciał zająć się „problemem Onion Creek” i tym, co możemy zrobić, aby oszacować poziomy powodzi, gdy zawodzą mierniki strumienia. I tak rozpoczął się projekt SHEM.

Oszacowanie hydrologii Streamflow przy użyciu uczenia maszynowego (SHEM) to eksperyment pakietu Cortana Intelligence Suite, który tworzy model predykcyjny, który może działać jako dane proxy strumienia w przypadku awarii miernika strumienia. A dzięki możliwościom uczenia maszynowego może nawet oszacować poziomy strumienia, gdy nie ma rzeczywistego wskaźnika strumienia.

SHEM różni się od większości istniejących modeli, ponieważ nie opiera się na odległościach między miernikami strumienia i ich atrybutami lokalizacji, ale opiera się wyłącznie na uczeniu maszynowym w celu przetwarzania historycznych wzorców przepływu i interpretacji dużych ilości złożonych danych hydrologicznych. To „szkolenie” przygotowuje SHEM do przewidywania informacji o przepływie strumienia dla danej lokalizacji i czasu, ponieważ mają na to wpływ atrybuty wielowymiarowe (na przykład rodzaj strumienia, rodzaj zbiornika, ilość opadów oraz warunki przepływu powierzchniowego i podpowierzchniowego).

Przeczytaj szczegółowo o tym projekcie tutaj. Dowiedz się więcej o pakiecie Cortana Intelligence Suite firmy Microsoft tutaj.