Brug kunstig intelligens til at lokalisere risikable dæmninger

I USA, 15, 498 af de mere end 88, 000 dæmninger i landet er kategoriseret som et stort farepotentiale - hvilket betyder, at hvis de fejler, de kunne dræbe mennesker. Fra 2015, nogle 2, 000 af disse højfarlige dæmninger har brug for reparation. Med en heftig pris, der anslås til omkring 20 milliarder dollars, disse reparationer kommer ikke til at ske natten over.

Et projekt ud af Columbia Water Center har til formål at hjælpe med at guide processen med reparation eller nedlukning af disse dæmninger. Holdet peger på de mest risikable dæmninger, ved hjælp af klimamodeller, GIS -data, og kunstig intelligens til at forudsige sandsynligheden for, at nedbør vil overhale en dæmning og forårsage betydelige nedstrømsskader på befolkning og kritisk infrastruktur. "Vi kan fortælle, hvilke dæmninger der skal repareres først, og hvilke der skal overvåges nøje for at planlægge for nødsituationer, "sagde Byungjin Så, en postdoktorforsker, der arbejder på projektet.

Arbejdet er særligt presserende, da Amerikas dæmninger fortsætter med at ældes, og da klimaforandringer øger chancerne for kraftig regn og oversvømmelse. De fleste af disse dæmninger er nu ældre end deres oprindelige designliv, og deres tilstand overvåges ikke altid godt. Vedligeholdelse af disse gamle dæmninger er også en bekymring, som det blev vist ved den næsten fejlslagne i den højeste dæmning i landet, Oroville -dæmningen, sidste år i Californien. Udslippet af overløbet førte til evakuering af 200, 000 mennesker samt forstyrrelser i den nedstrøms vandforsyning. Reparationsomkostningerne har nu nået $ 1 mia. der henviser til, at tidligere vedligeholdelses- og reparationsomkostninger blev anslået til de lave millioner dollars.

Første trin

Fremskrivningerne starter med klimadata. Så arbejder med klimamodeller for at forstå atmosfærisk cirkulation og fugtmønstre på tværs af rum og tid. I særdeleshed, han ser på vinde, der opsamler vand, når de bevæger sig over Stillehavet på vej mod Californien. "I øjeblikket arbejder vi kun med Californien, "forklarede Så, "men senere vil vi overveje hele USA"

Næste, han bruger kunstig intelligens til at afgøre, om disse fugt- og cirkulationsmønstre rent faktisk vil oversætte til nedbør. Analyse af data fra 1980 til 2017, A.I. bruger dyb læring til at genkende, hvilke mønstre der typisk fører til nedbør i Californien. Det kategoriserer derefter et indgående vejrsystem som "regn" eller "ingen regn" med 95 procent nøjagtighed.

Endelig, Så må forudsige, om nedbøren kan føre til dæmningssvigt. Han vil bruge elevationskort, dæmningshøjder, lagerkapacitet for dæmninger, og afstrømningsberegninger for at forudsige, om regnen kunne overhale dæmningen. I mellemtiden, demografiske data vil afsløre de mennesker og den kritiske infrastruktur, der kan være i fare nedstrøms.

Hvad kommer derefter

For nu, A.I. klassificerer kun vejrhændelser i vådt eller tørt. Til sidst, Så vil have det til at klassificere begivenheder med flere detaljer, såsom "lav nedbør" og "høj nedbør."

Ud over, han arbejder i øjeblikket på at kombinere den kunstige intelligenskomponent i klimamodellen, og planlægger at afslutte det stykke af projektet i oktober. Evalueringsmodellen for dæmningerne, som forventes færdig næste år, vil kortlægge transporten, elproduktion, befolkning og vand/spildevandsrensningsinfrastruktur, der kan blive påvirket, hvis hver af de overvejede dæmninger skulle svigte. Maskinindlæringsmetoder vil også bruge strenge simuleringer af dynamik ved dæmning af dæmninger fra et par udvalgte dæmninger til at projicere, hvordan nogen af ​​de 88, 000 potentielle dæmningsfejl kan føre til oversvømmelse og skader.

Så håber modellen vil være klar til at rådgive beslutningstagere i den virkelige verden-og hjælpe med at beskytte mennesker og infrastruktur-inden 2020.