1月30日消息，据外媒报道，洪水是世界上最常见、最致命的自然灾害之一，每年会造成数以万计的人死亡，另有数亿人流离失所。此外，这些洪水造成的财产损失也同样庞大。仅从2005年到2014年的美国，洪水保险索赔总额平均每年超过35亿美元。

　　毋庸置疑，准确预测洪水将产生巨大回报。有些研究显示，预警系统可以将死亡人数和经济损失减少三分之一以上。幸运的是，在人工智能(AI)的帮助下，科学家们继续一步步地朝这个方向迈进。在Arxiv.org上发表的最新论文中，来自谷歌、以色列理工学院以及巴伊兰大学的研究人员描述了一种机器学习系统，它可以准确预测河流洪水。

　　这项研究是对谷歌去年晚些时候在印度帕特纳工作的回顾。在那里，谷歌与印度中央水务委员会(Central Water Commission)合作，试行了一种洪水预测模型。它的基础是哈佛大学和谷歌于2018年8月发布的研究成果，该研究描述了能够预测大地震后一年内余震位置的AI模型。此外，还有Facebook AI研究人员去年12月发表的研究成果，他们开发的技术能够分析卫星图像，并量化火灾和其他灾害造成的损害。

　　研究人员写道：“有效的河流洪水规模预测受到多种因素的阻碍，最明显的是，在目前的方法中，需要依赖人类校准、特定地点的数据量十分有限以及建立足够精模型面临的计算难度。机器学习在这种场景中非常有用：在复杂的高维场景中，受过训练的模型的表现经常可超过人类专家。”

　　正如论文所指出的那样，建立洪水预测模型的最大挑战之一是参数校准，这是个旨在将算法的预测结果与某些基线测量结果相匹配的优化过程。标准方法涉及大量的手工工作，并且常常导致无法泛化的模型。

　　研究人员通过对河流水位的实时测量和短期预测，克服了其中的某些障碍，他们的模型由此生成了洪水图，即显示一系列水位范围内可能发生洪水的地图，并借此估计爆发洪水的范围。研究人员声称，根据2018年季风季节生成的警报，模型预测的准确率可达300米，召回率和准确率分别超过90%和75%。

　　该研究的作者写道：“几十年来，人们对洪水的物理过程的了解相对较多，而相对较少的校准是必要的。”也就是说，这并不是个完美的模型，因为基于物理模拟的计算成本很高，而且由于输入错误而容易出现不精确结果。但该小组认为，机器学习技术是改善未来预测的关键，这些技术将来可能会被用来预测不是用物理模型模拟的事件，如融雪和河流排放。

　　研究人员认为，这些研究成果最终将进入谷歌的Google Public Alert程序，该程序向谷歌搜索、谷歌地图以及谷歌新闻等应用的用户通报正在发生或即将发生的自然灾害，如飓风、火山爆发、海啸和地震等。目前，美国、澳大利亚、加拿大、哥伦比亚、日本、台湾、印尼、墨西哥、菲律宾、印度、新西兰以及巴西的政府机构参加了这个项目。

　　研究人员表示：“我们相信机器学习可以提高多个组件的质量。为了实现这一点，我们正在收集、组织和组合来自不同来源的开放数据集，以使机器学习社区更容易访这些研究成果。”