Google與以色列研究團隊用ML開發大規模洪水預測模型

Google和以色列的研究團隊近日發表了一篇用機器學習技術，開發大規模洪水預測模型的論文，該論文針對河邊洪水，用機器學習技術建立了一套預測模型，論文中指出，洪水是全球最常見且最致命的自然災害之一，每年奪走數千到數萬人命，影響數千萬人，且造成數百億美元的損失，而這些數字在近年來持續增加，準確的洪水預報，能夠將死亡率和經濟損失減少至少三分之一。

研究指出，過去的洪水預測方法要達到有效率的預測還是受到許多因素限制，最主要的因素是因為系統需要仰賴人工校正，缺乏特定位置的數據，就很難建立全球通用又準確的預測模型，而機器學習技術適用於這種應用場景，機器學習模型能夠在複雜的高維度場景中，透過學習找出適用於全球的模式，超越人類專家的經驗。

Google和以色列的研究團隊開發的洪水預測模型主要聚焦於河邊型洪水，由於河邊洪水會對人類生活造成許多影響，目前要建立洪水預測模型最大的挑戰即是優化模型的過程，讓模型適用於全球，而目前現有的標準方法都涉及手動調整的工作，但是由於自然現象是複雜且多變的，手動調整模型往往耗時又繁瑣，且很難套用到其他應用場景中，過去也曾有許多研究嘗試將優化的過程自動化，但是優化過的模型準確度還是不足以用於真實世界。

為了解決優化模型的問題，研究團隊開發了水動力模型，在印度巴特那地區收集即時的河流測量數據，預測短期河流水位，並產生可能受洪水影響的區域地圖，在去年季風季節中，預測模型能精確至300公尺的空間解析度，準確率超過75%，水動力模型只是整個洪水預測系統的一部分，未來，團隊還會持續用機器學習改善其他預測工作。