Наводнение
Почти 1,5 миллиарда человек в мире рискуют пострадать от сильных наводнений. А экономический ущерб от последствий стихии достигает 50 миллиардов долларов ежегодно.
Google Research создали модель на основе искусственного интеллекта для лучшего прогнозирования наводнений. Систему обучили на основе показаний уровня рек и местного рельефа. Создали специальные карты и провели сотни тысяч симуляций.
Пилотный проект запустили в городе Патна на севере Индии в 2018 году. В 2019-м увеличили зону охвата в 12 раз. Это позволило предупредить местных жителей с помощью специальных уведомлений.
В 2022 году Google запустил платформу Flood Hub, которая составляет прогноз наводнений в 20 странах. Важно, что система помогает странам Африки, где отсутствуют глобальные данные. В 2023 году сервис охватил 460 миллионов человек по всему миру, включая страны Африки, Азиатско-Тихоокеанского региона, Европы, Южной и Центральной Америки.
Прогнозы доступны к просмотру бесплатно в режиме реального времени. Системы раннего предупреждения могут значительно помочь снизить число пострадавших, а увеличение времени заблаговременной подготовки позволяет уменьшить экономический ущерб.
Исследовательская группа Пхоханского университета науки и технологий решила использовать искусственный интеллект, чтобы прогнозировать повышение воды в плотине. Модель обучили с помощью гидрологического мониторинга реки Семджин с 2002 по 2021 год. Ученые разработали несколько сценариев последствий разрушения дамбы.
Благодаря искусственному интеллекту исследователи установили, что на уровень воды в плотине влияют не только осадки в ее районе, но и изменения в притоках и оттоках реки Семджин. Эти знания помогут повысить эффективность дамб в будущем.
Землетрясение
В Калифорнии, Орегоне и Вашингтоне работает система раннего предупреждения о землетрясениях ShakeAlert. В ее основе — искусственный интеллект. Сервис получает данные от сети датчиков движения грунта и с помощью специальных алгоритмов рассчитывает перемещения земной коры.
ShakeAlert позволяет обнаружить значительные землетрясения достаточно быстро, чтобы доставить оповещения людям и автоматизированным системам за секунды до начала сильных толчков. Запуск автоматизированных действий включает замедление поездов, закрытие водопроводных клапанов, включение резервных генераторов и многое другое. Специалисты планируют испытать сервис в других сейсмоопасных районах.
Исследовательская группа из Школы геонаук Джексона обучила нейросеть определять местонахождение будущих землетрясений на основе текущих данных. В систему загрузили записи сейсмической активности за пять прошлых лет. В результате алгоритм успешно предсказал 14 землетрясений. Также он пропустил одно землетрясение и предсказал восемь, которые так и не произошли. Ученые намерены повышать точность прогнозирования.
Цунами
Причиной большинства цунами становятся подземные толчки. Для точных прогнозов нужно зафиксировать землетрясение и установить его тип. Обычно для этого используют глубоководные буи. Однако они передают предупреждения слишком поздно.
Ученые из Калифорнийского университета в Лос-Анджелесе (UCLA) и Кардиффского университета в Великобритании предложили использовать разработку раннего предупреждения о цунами, которая основана на искусственном интеллекте. Новая система вычисляет эпицентр землетрясения по данным гидрофонов, а нейросеть определяет тип и магнитуду толчка и рассчитывает факторы, которые влияют на характеристики будущей волны. Точность повышается, потому что акустическое излучение распространяется в воде гораздо быстрее и может быть зафиксировано за тысячи километров от источника. Авторы планируют и дальше работать над точностью.
Ураган
Специалисты лаборатории реактивного движения НАСА и американского Национального центра ураганов проанализировали информацию со спутников и обнаружили, что на силу урагана влияет количество осадков внутри центра шторма. Чем сильнее дождь внутри, тем больше вероятность, что циклон усилится. Другим влияющим на стихию фактором стало количество ледяной воды, которая скапливается во время урагана.
Ученые использовали выделенные индикаторы, чтобы улучшить работу компьютерных моделей. Алгоритм обучали с помощью данных с 1998 по 2008 год.
Тестирование на циклонах 2009–2014 годов показало, что система на 60 % лучше обычной модели предсказывала развитие ураганов с усилением скорости ветра на 56 км/ч за 24 часа. Более 200 % от стандартных показателей составила точность прогнозов для более динамичных циклонов с увеличением скорости ветра на 64 и более км/ч.
Вулканический пепел
Предсказывать извержения вулканов сложно: для этого недостаточно спутниковых данных, а прикреплять датчики на сами вулканы опасно. Пока ученым удается контролировать распространение вулканического пепла.
В 2024 году облачная платформа Yandex Cloud, Яндекс Погода совместно со Школой анализа данных (ШАД) Яндекса разработали сервис для прогнозирования распространения вулканического пепла. Он помогает своевременно оповещать авиацию, жителей и туристов об опасности.
В основе программы лежит математическая модель рассеивания примесей в атмосфере и машинное обучение. Система отслеживает момент выброса пепла и рассчитывает, где будет находиться облако. Для обучения использовали фото и видео наблюдений за вулканами на протяжении 23 лет.
Сам сервис представляет собой интерактивную карту. На ней можно увидеть, как облака пепла будут распространяться в течение следующих суток.
Сейчас программа работает на Камчатке. Разработчики планируют добавить возможность определять высоту и плотность пепла с помощью других моделей машинного обучения.