Cortana Intelligence Suite está ajudando a prever inundações e melhorar a segurança pública

Pesquisadores da Universidade do Texas colaboraram com outros pesquisadores, agências federais, parceiros comerciais e socorristas para criar o National Flood Interoperability Experiment (NFIE). Eles estão usando o Microsoft Azure e o Cortana Intelligence Suite para construir um protótipo para um sistema nacional de modelagem e mapeamento de dados de enchentes. Os objetivos da NFIE incluem padronizar dados, demonstrar uma solução escalável e ajudar a fechar a lacuna entre a previsão nacional de enchentes e a resposta local a emergências.

Tim Petty, candidato a doutorado na Universidade do Alasca, Fairbanks, queria abordar “o problema de Onion Creek” e o que podemos fazer para estimar os níveis de inundação quando os medidores de fluxo falham. E assim começou o projeto SHEM.

A estimativa de hidrologia de fluxo de fluxo usando aprendizado de máquina (SHEM) é um experimento do Cortana Intelligence Suite que cria um modelo preditivo que pode atuar como um proxy de dados de fluxo de fluxo quando um medidor de fluxo falha. E devido aos recursos de aprendizado de máquina, ele pode até fazer estimativas de níveis de fluxo onde não há medidor de fluxo real presente.

O SHEM difere da maioria dos modelos existentes, pois não depende das distâncias entre os medidores de fluxo e seus atributos de localização, mas é baseado apenas no aprendizado de máquina para processar padrões históricos de descarga e interpretar grandes volumes de dados hidrológicos complexos. Este “treinamento” prepara o SHEM para prever informações de vazão para um determinado local e tempo, pois são impactadas por atributos multivariados (por exemplo, tipo de corrente, tipo de reservatório, quantidade de precipitação e condições de fluxo de superfície e subsuperfície).

Leia sobre este projeto em detalhes SUA PARTICIPAÇÃO FAZ A DIFERENÇA. Saiba mais sobre o Cortana Intelligence Suite da Microsoft SUA PARTICIPAÇÃO FAZ A DIFERENÇA.