Các nhà khoa học Australia đã phát triển phương pháp kết hợp nhiều mô hình học sâu, giúp cải thiện hiệu quả dự báo lũ lụt khoảng 47% và duy trì độ chính xác với thời hạn dự báo lên tới 12 tuần. Trung Quốc ứng dụng AI trong phòng chống ngập lụt AI tạo nên cuộc cách mạng dự báo thiên tai Google ra mắt...
Các nhà khoa học quốc tế đã phát triển mô hình trí tuệ nhân tạo (AI) giúp cải thiện độ chính xác của dự báo lũ lụt dài hạn, mở ra khả năng cảnh báo sớm nhiều tuần để các cộng đồng chủ động ứng phó.
Theo thông báo của Đại học Công nghệ Sydney (UTS, Australia) ngày 13/10, nhóm nghiên cứu sử dụng dữ liệu lượng mưa và lưu lượng dòng chảy trong 20 năm tại lưu vực sông DuPage, bang Illinois (Mỹ), để phát triển các mô hình học sâu tích hợp cơ chế chú ý, qua đó nhận diện quy luật biến động của lượng mưa và dòng chảy.
Nghiên cứu đăng trên tạp chí Journal of Hydrologic Engineering cho thấy việc kết hợp dự báo từ nhiều mô hình học sâu giúp giảm khoảng 38% sai số dự báo. Trong khi đó, khung tổng hợp dữ liệu do nhóm đề xuất cải thiện hiệu quả dự báo khoảng 47%.
Giáo sư Amir H. Gandomi, đồng tác giả nghiên cứu tại UTS, cho biết phương pháp này duy trì độ chính xác cao với các dự báo trước tới 12 tuần.
Khoảng thời gian cảnh báo dài hơn có thể giúp cộng đồng và chính quyền chuẩn bị phương án ứng phó, giảm thiểu thiệt hại do lũ lụt.
Theo nhóm nghiên cứu, kết quả này có tiềm năng hỗ trợ quản lý rủi ro thiên tai, nâng cao khả năng chống chịu của cơ sở hạ tầng và cải thiện công tác quản lý tài nguyên nước.
Tuy nhiên, mục tiêu cuối cùng không chỉ là dự báo chính xác hơn mà còn phải chuyển các dự báo thành quyết định ứng phó hiệu quả./.
(TTXVN/Vietnam+)
Một bước đột phá công nghệ vừa được thiết lập khi các nhà khoa học quốc tế công bố mô hình trí tuệ nhân tạo có khả năng cảnh báo sớm nguy cơ lũ lụt trước tới 12 tuần. Nghiên cứu do Đại học Công nghệ Sydney chủ trì, đăng tải trên tạp chí Journal of Hydrologic Engineering, mở ra tiềm năng lớn trong việc chủ động bảo vệ tính mạng và tài sản cộng đồng trước thiên tai.
Hệ thống được huấn luyện dựa trên chuỗi dữ liệu thủy văn kéo dài 20 năm tại lưu vực sông DuPage thuộc bang Illinois của Mỹ. Thông qua các mô hình học sâu tích hợp cơ chế chú ý, giải pháp này nhận diện chính xác các quy luật biến động phức tạp giữa lượng mưa và lưu lượng dòng chảy. Phương pháp kết hợp đa mô hình giúp giảm khoảng 38% sai số, trong khi khung tổng hợp dữ liệu chuyên biệt nâng cao hiệu quả dự báo tới 47%.
Giáo sư Amir H. Gandomi nhấn mạnh giá trị then chốt của công trình nằm ở việc kéo dài thời gian chuẩn bị để chính quyền địa phương triển khai phương án ứng phó kịp thời. Thành quả nghiên cứu đóng vai trò nền tảng giúp tối ưu hóa công tác điều phối tài nguyên nước và gia tăng khả năng chống chịu cho hạ tầng thiết yếu. Thách thức trọng tâm tiếp theo là chuyển hóa các chỉ số dự báo định lượng thành quyết định phòng chống thiên tai cụ thể trên thực địa.
