Cortana Intelligence Suite hjälper till att förutsäga översvämningar och förbättra allmänhetens säkerhet

Forskare från University of Texas samarbetade med andra forskare, federala myndigheter, kommersiella partners och första responders för att skapa National Flood Interoperability Experiment (NFIE). De använder Microsoft Azure & Cortana Intelligence Suite för att bygga en prototyp för ett nationellt system för datamodellering och kartläggning av översvämningar. NFIE:s mål inkluderar standardisering av data, demonstration av en skalbar lösning och att hjälpa till att minska klyftan mellan nationella översvämningsprognoser och lokala nödåtgärder.

Tim Petty, doktorand vid University of Alaska, Fairbanks, ville ta upp "Onion Creek-problemet" och vad vi kan göra för att uppskatta översvämningsnivåer när strömmätare misslyckas. Och så började projektet SHEM.

Uppskattning av strömflödeshydrologi med hjälp av maskininlärning (SHEM) är ett Cortana Intelligence Suite-experiment som skapar en prediktiv modell som kan fungera som en proxyströmflödesdata när en strömmätare misslyckas. Och på grund av maskininlärningsfunktionerna kan den till och med göra uppskattningar av strömnivåer där det inte finns någon faktisk strömmätare.

SHEM skiljer sig från de flesta befintliga modeller eftersom det inte är beroende av avstånd mellan strömmätare och deras platsattribut, utan baseras enbart på maskininlärning för att bearbeta från historiska utsläppsmönster och tolka stora volymer av komplex hydrologidata. Denna "träning" förbereder SHEM för att förutsäga strömflödesinformation för en given plats och tid eftersom den påverkas av multivariata attribut (till exempel typ av ström, typ av reservoar, mängd nederbörd och yt- och underjordsflödesförhållanden).

Läs om detta projekt i detalj här.. Lär dig mer om Cortana Intelligence Suite från Microsoft här..