Google将AI洪水警报扩展到整个印度 航空股飙升 因为印度国内航班运营量提高到60% 金融和能源股下跌 Sensex从日高点下跌超过250点 印度国内黄金期货完成挥发性会议轻度高出50920卢比 Sensex在各行业中上涨150点 主权金债券认购窗口即将关闭 你应该买吗 大都市柴油价格下降15-16派 汽油价格保持不变 顶级银行现在用定期存款支付这些回报 随着市场延续第二个交易日涨幅 Sensex收高185点 卢比兑美元追踪亚洲货币汇率疲弱收于73.03 Sensex在动荡的贸易中跃升200点以上 日本将AI作为大流行遏制人身质量控制的探索 高通将宽带调制解调器的5G mmWave范围扩大一倍至2.36英里 艾伦研究所开放源代码AllenAct 这是一种体现人工智能的研究框架 为了技术服务于大众 我们需要标准 如何判断计算机视觉能否改变您的业务 Neuralink展示了其下一代脑机接口 人工智能分析发现 与iOS相比安卓上解决应用内广告问题的速度更快 Facebook的歧视性广告定位说明了算法偏差的危险 研究人员建立了一个数据集 用于训练AI以从社交媒体图像中检测自然灾害 Kabbage如何通过机器学习处理70亿美元的Paycheck保护计划贷款 亚马逊光环是一款价值100美元的健身可穿戴设备的监视资本主义 苹果推出AI/ML居住计划以吸引利基专家 IBM将在美国公开赛期间使用AI传递模拟的人群噪音 太赫兹技术是无线领域的下一个大问题-但是它是什么 Google研究人员调查了转移学习的工作原理 Move.ai可以实现AI运动捕捉 而无需进行视频游戏制作 Steam聊天工具删除了Slur 但是应该删除了Slur用户 Restream推出Studio工具并筹集了5000万美元 Berbix获900万美元A轮融资 自主飞机创业公司可靠机器人以3350万美元的身价脱颖而出 最高法院AGR裁决后 沃达丰的创意获得近9%的收益 英雄摩托集团8月份在印度国内销售增长7.5% Sensex和Nifty可能有一个低调的开局 现货金价回落 因复苏希望获得牵引力 随着全球利率降低 印度国内黄金期货价格下跌近1% 8月的商品及服务税收藏品为86,449千万卢比 比7月低1% 8月柴油销售较7月下降13% 表明工业产值下降 在短短几个小时内 Zoom首席执行官的身家就增加了40亿美元 马恒达汽车销售在8月份下降了16% 拖拉机的销售上升了65% 停顿一天后 Sensex和Nifty继续上涨 八月份电力输出下降近1% 已连续第六个月下降 沃达丰Idea股价下跌20% Airtel和RCom股票因AGR裁决而上涨 调查显示工厂活动为5个月来首次上升 债券收益率暴跌 卢比因印度央行的稳定措施而飙升 研究人员的AI可以使用任何现成的相机执行3D运动捕捉 Chrome 85带有标签管理功能 页面加载速度提高了10% 研究人员研究了十年前医学AI论文中的不确定性 LinkedIn开源工具包可衡量AI模型的公平性 适用于安卓的Firefox Daylight具有增强的跟踪保护
你当前位置:首页 >资讯 >

Google将AI洪水警报扩展到整个印度

2020-09-05 19:52:01来源:

2018年末,作为其洪水预报计划的一部分,谷歌与印度中央水委员会,以色列理工学院和巴伊兰大学合作,在印度巴特那部分地区试行了洪水预报模型。该公司及其合作伙伴声称,该模型可以预测季风季节的河道洪水(即,来自超支河岸的洪水)的准确性为75%。继去年将其扩展到沿甘加河和雅鲁藏布江的超过11,000平方公里的目标之后,谷歌今天宣布,该模型将为整个印度提供警报,覆盖50万平方公里和超过2.4亿人口。

洪水是世界上最常见,最致命的自然灾害之一。每年,他们都要为成千上万的死亡和数亿流离失所的房主负责。而且它们的成本异常高昂-仅在2005年至2014年,仅在美国,洪水保险的平均索赔额为42,000美元,而洪水保险的总索赔额平均每年超过35亿美元。

准确地说,洪水预报是一个理想的目标。根据一些研究,预警系统可以将死亡和经济损失减少三分之一以上。

谷歌表示,其扩展模式将在孟加拉国水务发展局的一项协议下首次在印度以外的孟加拉国推出,它将提供局部的深度信息,包括预期的水深和特定村庄和地区的洪水发生时间。在与地方政府,谷歌慈善机构Google.org以及红十字会与红新月会国际联合会合作的情况下,成千上万人将在八个地区进行的试点过程中看到深度信息。他们将从新的实验性模型中受益,该模型可以将警报的前置时间从24小时增加到48小时。

谷歌表示,除了改进的模型之外,它还向受洪灾影响的地区的3000万人提供了通知,并通过更直观的警报为本地语言提供了更好的支持。在Google搜索上,通知已发送给非营利性SEEDS志愿者网络,他们向没有电话的人传播警告,洪水警报现在支持9种当地印度语,包括印地语和孟加拉语。它们还包含着重于会增加多少水的信息图,以及文字说明和本地地图。

建立洪水预测模型的最大挑战之一是参数校准,该优化过程旨在使算法的预测与某些基线测量值相匹配。标准方法涉及大量的人工工作,并且常常导致模型无法推广。

Google通过实时测量河水水位并对其进行短期预测,克服了其中的一些障碍,他们的模型从中生成了一个洪水地图,用于估算预计洪水的范围。(淹没图显示在一定水位范围内可能发生洪水的地方。)利用相关的和对齐的大地图图像批次进行调整,以解决崎coarse的地形,其中一些来自欧洲航天局Sentinel-1卫星星座,该模型可创建每个图像的深度然后用于生成位置的高程图的地图。

诸如新开发的用于创建数字高程模型(DEM)的方法之类的预测方法可优化该模型,使其与Google的自定义张量处理单元(TPU)配合使用,后者提供的预测速度比单独的处理器快85倍。最近,机器学习取代了该模型的某些基于物理的液压算法,从而使其能够支持覆盖更多人的更大区域。