Brug af big data til at bekæmpe katastrofer

I marts 1989 et udløst kredsløb i Hydro-Québec elnettet efterlod 6 millioner mennesker uden elektricitet. En uge tidligere, en usædvanlig hård snestorm havde belastet regionen; dagen før, en solopblussning og ledsagende frigivelse af plasma og magnetfelt sendte et energibjerge, der drev mod Jorden i en million miles i timen.

De komplekse interaktioner mellem disse indbyrdes forbundne systemer - miljøvidenskab, rumvejr og solaktivitet - skubbede elnettet til et vendepunkt, der ikke kunne forstås inden for et enkelt af disse systemer.

Predictive Risk Investigation System for Multilayer Dynamic Interconnection Analysis (PRISM), finansieret af National Science Foundation, har til formål at udnytte data for at identificere risikofaktorer på tværs af domæner for katastrofale begivenheder såsom blackout i 1989, som påvirkede transporten, mad, vand, sundhed og økonomi og samlede omkostninger på over 2 mia.

Columbia University's International Research Institute for Climate and Society, en del af Earth Institute, er en af ​​de ti samarbejdende institutioner om projektet.

PRISM -teamet - bestående af eksperter fra datavidenskab, Statistikker, computer videnskab, finansiere, energi, landbrug, økologi, hydrologi, klima og rumvejr – vil integrere store datasæt på tværs af forskellige sektorer for at forbedre risikoforudsigelsen. En sådan virksomhed kræver betydelige databehandlings- og datakureringsevner, noget særdeles velegnet til IRI's Data Library-platform.

"Dette projekt bringer datasæt ind fra meget forskellige videnskabsdomæner, der bruger forskellige måder at beskrive tid og rum på, og som bruger forskellige filformater, "siger IRI's Rémi Cousin." Vores databibliotek fjerner sådanne kompleksiteter ved at placere alle data i en interoperabel ramme - en som projekter forskere er i stand til at forespørge online for at indgå i deres egne analytiske programmer. "

Når dataene er inkorporeret i databiblioteket, Cousin og hans samarbejdspartnere vil bruge banebrydende analyser til at identificere, hvad de har kaldt kritiske risikoindikatorer – kvantificerbar information forbundet med risikoeksponering, især for potentielle katastrofer. De vil også anvende maskinlæring til at lede efter uregelmæssigheder i dataene, der kan føre til ny indsigt.

"Vi ønsker at fokusere vores opmærksomhed på disse værst tænkelige scenarier og de risici, der er forbundet med dem, og hvordan vi kan måle deres sandsynlighed, " sagde Cornell Universitys David S. Matteson, der er hovedefterforsker på det toårige, 2,4 millioner dollars projekt.

"Vores håb er, at vi ved at identificere systemisk vigtige kritiske risici - dem, der binder forskellige domæner sammen og har det største afsmitningspotentiale - vil have den mest udbredte indflydelse i forhold til at kontrollere disse risici, " sagde Matteson.

Hvis systemer havde været på plads til at genkende de øgede risici forårsaget af snestormen og soludbrud, strømafbrydelsen i 1989 kan være blevet afværget eller i det mindste minimeret. Tilsvarende forståelse af, hvordan det påvirkede systemer som sundhedspleje og transport, kunne hjælpe beslutningstagere med at planlægge et mere effektivt svar.

Den tværfaglige tilgang er afgørende, fordi nutidens verden er sammensat af stærkt indbyrdes forbundne og indbyrdes afhængige systemer, og ingen enkelt ekspert er udstyret til at identificere tegn på risiko eller den fulde virkning af katastrofer.

Forskerne vil derefter fokusere deres indsats på at identificere risikoforbindelser, og systemisk vigtige risikoindikatorer på tværs af de forskellige domæner, for både at forudsige potentielle farer og for at mindske de mulige systemomspændende tab, når de først er opstået. De planlægger at undersøge kendte risikoindikatorer og anvende datavidenskab til at identificere nye.

"Vores mål er i sidste ende at hjælpe med at skabe tidlige varslingssystemer for katastrofer og forbedre beredskabet til disse ødelæggende begivenheder, "Fætter sagde." Vi planlægger at integrere resultaterne af projektet og gøre dem offentligt tilgængelige via databiblioteket. "

Denne historie er genudgivet med tilladelse fra Earth Institute, Columbia University http://blogs.ei.columbia.edu.