Minnesota Universiteti tərəfindən

redaktə edən: Gaby Clark , rəy verən: Robert Egan

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

ABŞ-ın Yuxarı Orta Qərbindəki NCRFC ərazisindəki sınaq hövzələri, bu məqalədə istifadə olunan su hövzələrinin yerini göstərir. Mənbə: Su Resursları Tədqiqatı (2025). DOI: 10.1029/2024wr039064

Minnesota Əkiz Şəhərlər Universitetinin yeni cütləşdirilmiş tədqiqatları göstərir ki, maşın öyrənməsi daşqınların proqnozlaşdırılmasını yaxşılaşdıra bilər. Su Resursları Tədqiqatı və IEEE Məlumatların Çıxarılması üzrə Beynəlxalq Konfransının materiallarında dərc olunmuş tədqiqatlar, ekstremal hava şəraitinin tezliyi artdıqca “biliklərə əsaslanan” süni intellektin proqnozlaşdırıcılara həyatları xilas etməkdə və infrastrukturu qorumaqda necə kömək edə biləcəyini nümayiş etdirir.

Tədqiqat Minnesota Universitetinin Elm və Mühəndislik Kolleci, Minnesota Universitetinin Qida, Kənd Təsərrüfatı və Təbii Sərvətlər Elmləri Kolleci və Pensilvaniya Dövlət Universiteti arasında əməkdaşlıq nəticəsində aparılmışdır.

Hazırda Milli Hava Xidmətindəki proqnoz mütəxəssisləri sahə müşahidələrinə əsaslanan əl ilə, real vaxt rejimində düzəlişlər tələb edən fizika əsaslı modellərə əsaslanırlar. Bu proses olduqca əmək tələb edə bilər və hava şəraitində fövqəladə hallar zamanı miqyaslandırmaq çətindir.

Bu yeni model ənənəvi modellərin elementlərini müşahidə olunan məlumatlardan çayın su hövzəsinin vəziyyətini avtomatik olaraq öyrənən daha yeni maşın öyrənmə üsulları ilə birləşdirir . Bu, vaxt aparan əl ilə yenidən kalibrləmə ehtiyacını aradan qaldırır. Bu hibrid yanaşma, ABŞ-da istifadə edilən mövcud metodlardan daha yüksək dəqiqliklə çay axını və daşqın səviyyələrini proqnozlaşdıra bilər.

Kompüter Elmləri və Mühəndisliyi Departamentinin Regentlər Professoru və məqalələrin baş müəllifi Vipin Kumar bildirib ki, “Biliklərə əsaslanan yanaşma modelə hidrologiyanın fundamental qanunlarına hörmət etməklə yanaşı, real dünya məlumatlarından öyrənməyə imkan verir. Bu, yalnız statistik dəqiqliyi artırmaqla bağlı deyil. Söhbət fövqəladə hallar üzrə menecerlərin və proqnozlaşdırıcıların yüksək riskli qərarlar qəbul edərkən etibar edə biləcəkləri etibarlı, praktik proqnozlar təqdim etməkdən gedir.”

Keçmişdə yalnız maşın öyrənmə yanaşmalarından istifadə araşdırılsa da, ənənəvi alətlər hələ də bu modellərdən daha yaxşı nəticələr göstərir. Bu yeni tədqiqat, əl ilə tənzimləmə tələb etmədən bu boşluğu doldurmaq və daha yüksək dəqiqliyə nail olmaq üçün Minnesota Universitetinin tədqiqatçıları tərəfindən irəli sürülən biliklərə əsaslanan maşın öyrənməsindən (KGML) istifadə edir.

Minnesota Universitetinin İqlimə Uyğunlaşma Tərəfdaşlığının həmmüəllifi və tədqiqat hidroloqu Zak Makİkran deyir: “Son bir neçə onillikdə Minnesota ştatının bir çox yerində artan daşqınların, o cümlədən son bir neçə ildə qeydə alınan bir neçə daşqın rekordunun şahidi olmuşuq. Həyatları və infrastrukturu qorumaq üçün bu hadisələri proqnozlaşdırmaq qabiliyyətimizi təkmilləşdirməyimiz vacibdir.”

Tədqiqat qrupu hazırda modeli daha da təkmilləşdirməyə və modelin işlək hala gətirilməsinə diqqət yetirir və məqsəd gələcək riskləri real vaxt rejimində qiymətləndirmək üçün bu alətləri birbaşa proqnozlaşdırıcıların əlinə verməkdir.

Kumar və MakEkrandan əlavə, Minnesota Universitetinin tədqiqat qrupuna Kompüter Elmləri və Mühəndisliyi Departamentindən Rahul Qoş, Arvind Renganathan, Somya Şarma, Kelli Lindsay və Maykl Steynbax, eləcə də Bioməhsullar və Biosistemlər Mühəndisliyi Departamentindən Con Niber daxil idi. Komandaya həmçinin Pensilvaniya Dövlət Universitetinin Mülki və Ətraf Mühit Mühəndisliyi Departamentindən Kristofer Daffi də daxil idi.