Como lo han revelado las recientes inundaciones en España y otros lugares, cada minuto de aviso dado a la gente antes de una posible inundación puede salvar vidas y propiedades. Un nuevo artículo en la revista. Hidrología Un modelo de aprendizaje automático desarrollado por investigadores de Concordia podría ayudar a los funcionarios a mejorar los protocolos de evacuación en caso de inundaciones.
El candidato a doctorado Muhammad Al-Mutawali Ahmed y Samuel Lee, profesor y presidente del Departamento de Ingeniería Civil, Ambiental y de la Construcción, han desarrollado un método que utiliza inteligencia artificial para predecir con mayor precisión las descargas de los ríos a corto plazo.
Utilizando un nuevo conjunto de datos históricos y predicciones meteorológicas, los autores basaron su investigación en mediciones de advección (la tasa de movimiento del agua) entre dos estaciones hidrométricas en el río Ottawa. Se construyó un caso de prueba utilizando dos estaciones separadas aproximadamente por 30 km. La estación aguas abajo estuvo inactiva durante muchos años y la estación aguas arriba todavía estaba activa.
Los datos históricos recopilados por el Gobierno de Canadá durante varias décadas se complementaron con datos sobre precipitaciones, niveles de temperatura y humedad, entre otros parámetros. Una vez introducidos en un modelo de aprendizaje automático, estos parámetros proporcionaron estimaciones confiables de la descarga diaria y datos en tiempo real sobre cuánta agua fluía a través de una sección transversal particular del río.
“La previsión subdiurna, es decir, de menos de 24 horas, se utiliza principalmente para las evacuaciones. Este método nos ofrece posibilidades de previsión más precisas que aquellos que hacen predicciones diarias o bianuales”, afirma Ahmed, que hacen predicciones en más días”, afirma Ahmed. . “Todos se basan en la probabilidad, y la probabilidad aumenta a medida que disminuye el tiempo de predicción”.
Un modelo transparente y transferible
Los investigadores se basaron en un tipo de algoritmo existente llamado método grupal de manejo de datos. Este método crea modelos predictivos clasificando y combinando datos en grupos, donde se calculan repetidamente en diferentes combinaciones hasta que se identifica la mejor y más confiable combinación de datos.
“En este método, utilizamos nueve predictores: siete parámetros meteorológicos y datos históricos de dos centrales hidroeléctricas. El modelo clasifica estos parámetros y los reorganiza para producir múltiples combinaciones. Es importante tener en cuenta que no necesariamente utiliza ni pondera los más precisos. predictores por igual.
El modelo cambia según el período de tiempo. Uno que predice la descarga con 12 horas de anticipación será diferente de uno que predice la descarga con ocho, nueve o 10 horas de anticipación.
El modelo también cambia de un río a otro. Para probar esto, Ahmed realizó cálculos adicionales con datos tomados de los ríos Boise y Missouri en Estados Unidos.
“A medida que esta técnica madure, creemos que podremos ejecutarla de una manera operativa, donde las personas puedan verificar las estimaciones de descarga de los ríos en sus teléfonos, de manera que predigan el clima”. “En lugar de darles una estimación de la temperatura o las precipitaciones en algún momento en el futuro, podemos darles los niveles del agua”.
Para Ahmed, que está cursando sus estudios sobre preparación para la evacuación en caso de inundaciones, el modelo es sólo una herramienta que espera que los funcionarios puedan utilizar antes de que se produzca una inundación devastadora.
“Quiero que utilicen estos datos como entrada para sus modelos para áreas propensas a inundaciones”, dice. “Con esta herramienta, podemos ayudarlos a predecir qué caminos estarán disponibles para la evacuación, brindando a los sistemas de transporte locales un plan de acción en tiempo real que puede salvar vidas y propiedades”.
