In de VS, 15, 498 van de ruim 88, 000 dammen in het land zijn gecategoriseerd met een hoog risicopotentieel, wat betekent dat als ze falen, ze konden mensen doden. vanaf 2015 sommige 2, 000 van deze dammen met een hoog risico zijn aan reparatie toe. Met een fors prijskaartje geschat op ongeveer $ 20 miljard, die reparaties zullen niet van de ene op de andere dag gebeuren.

Een project van het Columbia Water Centre heeft tot doel het proces van reparatie of ontmanteling van deze dammen te begeleiden. Het team lokaliseert de meest risicovolle dammen, klimaatmodellen gebruiken, GIS-gegevens, en kunstmatige intelligentie om de waarschijnlijkheid te voorspellen dat regenval een dam zal overschrijden en aanzienlijke stroomafwaartse schade aan de bevolking en kritieke infrastructuur zal veroorzaken. "We kunnen zien welke dammen het eerst gerepareerd moeten worden, en welke nauw moeten worden gevolgd om noodgevallen te plannen, " zei Byungjin Dus, een postdoctoraal onderzoeker die aan het project werkt.

Het werk is bijzonder dringend omdat de dammen in Amerika steeds ouder worden en de klimaatverandering de kans op zware regenval en overstromingen vergroot. De meeste van deze dammen zijn nu ouder dan hun oorspronkelijke ontwerplevensduur, en hun toestand wordt niet altijd goed gecontroleerd. Het onderhoud van deze oude dammen is ook een punt van zorg, zoals bleek uit het bijna falen van de hoogste dam van het land, de Oroville-dam, vorig jaar in Californië. Het falen van de overlaat leidde tot de evacuatie van 200, 000 mensen en verstoringen van de stroomafwaartse watervoorziening. De reparatiekosten hebben nu $ 1 miljard bereikt, terwijl eerdere onderhouds- en reparatiekosten in de lage miljoenen dollars werden geschat.

Eerste stappen

De prognoses beginnen met klimaatgegevens. Dus werkt met klimaatmodellen om atmosferische circulatie en vochtpatronen in ruimte en tijd te begrijpen. Vooral, hij kijkt naar winden die water oppikken terwijl ze over de Stille Oceaan bewegen op weg naar Californië. "Voorlopig werken we alleen met Californië, " uitgelegd Dus, "maar later zullen we de hele V.S. overwegen."

Volgende, hij gebruikt kunstmatige intelligentie om te bepalen of die vocht- en circulatiepatronen zich daadwerkelijk vertalen in regenval. Analyseren van gegevens van 1980 tot 2017, de AI gebruikt deep learning om te herkennen welke patronen typisch leiden tot regenval in Californië. Vervolgens categoriseert het een binnenkomend weersysteem als "regen" of "geen regen" met een nauwkeurigheid van 95 procent.

Eindelijk, Dus moet voorspellen of de regenval kan leiden tot dambreuk. Hij zal gebruik maken van hoogtekaarten, dam hoogten, dam opslagcapaciteit, en afvoerberekeningen om te voorspellen of de regen over de dam zou kunnen komen. In de tussentijd, demografische gegevens zullen de mensen en kritieke infrastructuur onthullen die stroomafwaarts mogelijk gevaar lopen.

Wat volgt

Voor nu, de AI classificeert alleen weersomstandigheden in nat of droog. Eventueel, Dus wil dat het evenementen met meer detail classificeert, zoals "weinig neerslag" en "veel regen".

In aanvulling, hij werkt momenteel aan het combineren van de kunstmatige intelligentie-component in het klimaatmodel, en is van plan dat deel van het project in oktober af te ronden. Het beoordelingsmodel voor de dammen, die volgend jaar klaar moet zijn, brengt het vervoer in kaart, elektriciteitsopwekking, bevolking en de infrastructuur voor water- en afvalwaterzuivering die gevolgen kunnen hebben als elk van de beschouwde dammen zou falen. Methoden voor machinaal leren zullen ook rigoureuze simulaties gebruiken van de dynamiek van dambreuken van een paar geselecteerde dammen om te projecteren hoe een van de 88, 000 potentiële dambreuken kunnen stroomafwaarts leiden tot overstroming en schade.

Dus hoopt dat het model klaar zal zijn om besluitvormers in de echte wereld te adviseren - en mensen en infrastructuur te helpen beschermen - tegen 2020.