Fujitsu heeft vandaag de ontwikkeling aangekondigd van een technologie die gebaseerd is op wiskundige modellen die zijn gebouwd met beperkte gegevens over regenval en waterstanden om overstromingsvoorspellingen voor rivieren te maken. De oplossing maakt gebruik van Fujitsu Human Centric AI Zinrai, een uitgebreid portfolio dat Fujitsu's brede scala aan AI-technologieën en -technieken omvat, en maakt gebruik van een model dat inzichten uit de hydrologie bevat om een ​​AI te produceren die voorspellingen met grotere precisie doet.

De nieuwe technologie blijkt zelfs effectief voor kleinere rivieren met beperkte meetgegevens of voor gebieden waar waterpeilsensoren nieuw zijn geïnstalleerd en nog onvoldoende gegevens hebben verzameld. Deze voorspellingen zullen de autoriteiten een essentieel instrument bieden om snellere responstijden te leveren en de schade door overstromingen te beperken in het geval van een natuurramp, inclusief het sturen van personeel naar de getroffen gebieden en het ondersteunen van passende besluitvorming bij het uitbrengen van evacuatieadviezen.

Fujitsu en Fujitsu Laboratories zullen blijven werken om deze technologie verder te perfectioneren door middel van een veldproef met lokale overheden in heel Japan met als doel een commerciële oplossing te leveren tijdens fiscaal 2019. Met de ontwikkeling van deze oplossing, Fujitsu laat zien hoe deze en andere AI-technologieën een belangrijke rol zullen spelen bij het versterken van haar inspanningen om de effecten van klimaatverandering te bestrijden, en bijdragen aan het bereiken van meer duurzaamheid in de samenleving.

In recente jaren, lokale overheden in heel Japan hebben geworsteld met de uitdagingen van het beheer van rivieren die ernstige overstromingsschade veroorzaken in de nasleep van frequente, sterk gelokaliseerde zware regenbuien. Vooral kleinere rivieren die door stedelijke gebieden stromen, hebben vaak te maken met plotselinge waterpeilstijgingen als gevolg van onvoorspelbare, maar krachtige regenbuien en tyfoons. Jaar na jaar, het risico van aanzienlijke overstromingsschade die zeer snel optreedt, vertegenwoordigt een sporadisch, maar steeds grotere bedreiging, onderstreept dat er dringend behoefte is aan betere maatregelen tegen overstromingen.

Als onderdeel van deze tegenmaatregelen, Er zijn waterstandvoorspellingen gedaan voor grote rivieren die zijn aangewezen als overstromingsrisico. Voor kleinere rivieren of gebieden waar nieuwe waterpeilsensoren zijn geïnstalleerd, echter, het maken van nauwkeurige voorspellingen is tot nu toe moeilijk gebleken door een gebrek aan voldoende waterstandgegevens en de laatste debietwaarnemingsresultaten.

Dit behandelen, Fujitsu en Fujitsu Laboratories hebben een nieuwe technologie ontwikkeld die waterstanden nauwkeurig voorspelt, zelfs voor rivieren met beperkte meetgegevens, rampenpreventiepersoneel in staat stellen vroegtijdig preventieve maatregelen te nemen om schade te beperken.

Fujitsu en Fujitsu Laboratories hebben een wiskundig model ontwikkeld dat optimale parameters kan vinden wanneer machine learning wordt gebruikt om het model te trainen met regen- en waterpeilgegevens uit het verleden. het creëren van functies op basis van het tankmodelconcept, die de waterafvoer uit een stroomgebied binnen de hydrologie uitdrukt.

Met behulp van dit model, de AI voorspelt toekomstige waterstanden op basis van gegevens die zijn verzameld om regen- en waterpeilgegevens te presenteren, samen met voorspellingen voor de komende uren die door verschillende meteorologische organisaties aan lokale overheden worden doorgegeven. Ook na veranderingen in het riviermilieu of de introductie van nieuwe infrastructuur kan het voorspellingsmodel zeer snel worden geoptimaliseerd. In dit soort gevallen, het model kan eenvoudig opnieuw worden getraind met behulp van gegevens over regenval en waterstanden die zijn verkregen na eventuele wijzigingen.

Toen een proef werd uitgevoerd om de nauwkeurigheid van het nieuwe model te evalueren door deze technologie toe te passen op gegevens uit het verleden van kleinere rivieren die door een bepaalde lokale overheid worden beheerd, er werd geverifieerd dat, wanneer getraind met gegevens van slechts één regenval, waterstanden met consistente nauwkeurigheid konden worden voorspeld (figuur 2).

In aanvulling, Fujitsu en Fujitsu Laboratories hebben een evaluatie uitgevoerd waarin deze technologie wordt vergeleken met standaardmethoden voor het voorspellen van waterstanden die gebruikmaken van gegevens zoals waarnemingen van de stroomsnelheid. De evaluatie, uitgevoerd met de hulp van professor Akira Kawamura van de Tokyo Metropolitan University heeft met succes bevestigd dat deze technologie een gelijkwaardige of betere nauwkeurigheid kan leveren.

Fujitsu verwacht dat deze technologie ook kan worden toegepast om overstromingen in rivieren buiten Japan te helpen monitoren en voert verschillende proeven uit met klanten met als doel het beschikbaar te maken als een commerciële oplossing in het fiscale jaar 2019. Fujitsu Laboratories werkt aan een verdere verbetering van de nauwkeurigheid van deze technologie, waardoor het onderdeel wordt van een reeks diagnostische en voorspellende technologieën voor het beschermen van activa van klanten, inclusief voorzieningen en sociale infrastructuur in de buurt van rivieren, en draagt ​​zo bij aan de totstandkoming van dorpen en steden die bestand zijn tegen rampen door het gebruik van digitale technologie.