正如論文所指出的那樣，建立洪水預(yù)測(cè)模型的最大挑戰(zhàn)之一是參數(shù)校準(zhǔn)，這是個(gè)旨在將算法的預(yù)測(cè)結(jié)果與某些基線測(cè)量結(jié)果相匹配的優(yōu)化過(guò)程。標(biāo)準(zhǔn)方法涉及大量的手工工作，并且常常導(dǎo)致無(wú)法泛化的模型。

研究人員通過(guò)對(duì)河流水位的實(shí)時(shí)測(cè)量和短期預(yù)測(cè)，克服了其中的某些障礙，他們的模型由此生成了洪水圖，即顯示一系列水位范圍內(nèi)可能發(fā)生洪水的地圖，并借此估計(jì)爆發(fā)洪水的范圍。研究人員聲稱(chēng)，根據(jù)2018年季風(fēng)季節(jié)生成的警報(bào)，模型預(yù)測(cè)的準(zhǔn)確率可達(dá)300米，召回率和準(zhǔn)確率分別超過(guò)90%和75%。

該研究的作者寫(xiě)道：“幾十年來(lái)，人們對(duì)洪水的物理過(guò)程的了解相對(duì)較多，而相對(duì)較少的校準(zhǔn)是必要的?！币簿褪钦f(shuō)，這并不是個(gè)完美的模型，因?yàn)榛谖锢砟M的計(jì)算成本很高，而且由于輸入錯(cuò)誤而容易出現(xiàn)不精確結(jié)果。但該小組認(rèn)為，機(jī)器學(xué)習(xí)技術(shù)是改善未來(lái)預(yù)測(cè)的關(guān)鍵，這些技術(shù)將來(lái)可能會(huì)被用來(lái)預(yù)測(cè)不是用物理模型模擬的事件，如融雪和河流排放。

研究人員認(rèn)為，這些研究成果最終將進(jìn)入谷歌的Google Public Alert程序，該程序向谷歌搜索、谷歌地圖以及谷歌新聞等應(yīng)用的用戶通報(bào)正在發(fā)生或即將發(fā)生的自然災(zāi)害，如颶風(fēng)、火山爆發(fā)、海嘯和地震等。目前，美國(guó)、澳大利亞、加拿大、哥倫比亞、日本、臺(tái)灣、印尼、墨西哥、菲律賓、印度、新西蘭以及巴西的政府機(jī)構(gòu)參加了這個(gè)項(xiàng)目。

研究人員表示：“我們相信機(jī)器學(xué)習(xí)可以提高多個(gè)組件的質(zhì)量。為了實(shí)現(xiàn)這一點(diǎn)，我們正在收集、組織和組合來(lái)自不同來(lái)源的開(kāi)放數(shù)據(jù)集，以使機(jī)器學(xué)習(xí)社區(qū)更容易訪這些研究成果?！保v訊科技審校/金鹿）