网络大厂和以色列的研究团队近日发表了一篇用机器学习技术，开发大规模洪水预测模型的论文，该论文针对河边洪水，用机器学习技术建立了一套预测模型，论文中指出，洪水是全球最常见且最致命的自然灾害之一，每年夺走数千到数万人命，影响数千万人，且造成数百亿美元的损失，而这些数字在近年来持续增加，准确的洪水预报，能够将死亡率和经济损失减少至少三分之一。研究指出，过去的洪水预测方法要达到有效率的预测还是受到许多因素限制，最主要的因素是因为系统需要仰赖人工校正，缺乏特定位置的数据，就很难建立全球通用又准确的预测模型，而机器学习技术适用于这种应用场景，机器学习模型能够在复杂的高维度场景中，透过学习找出适用于全球的模式，超越人类专家的经验。
网络大厂和以色列的研究团队开发的洪水预测模型主要聚焦于河边型洪水，由于河边洪水会对人类生活造成许多影响，目前要建立洪水预测模型最大的挑战即是优化模型的过程，让模型适用于全球，而目前现有的标准方法都涉及手动调整的工作，但是由于自然现象是复杂且多变的，手动调整模型往往耗时又繁琐，且很难套用到其他应用场景中，过去也曾有许多研究尝试将优化的过程自动化，但是优化过的模型准确度还是不足以用于真实世界。为了解决优化模型的问题，研究团队开发了水动力模型，在印度巴特那地区收集实时的河流测量数据，预测短期河流水位，并产生可能受洪水影响的区域地图，在去年季风季节中，预测模型能精确至300公尺的空间分辨率，准确率超过75%，水动力模型只是整个洪水预测系统的一部分，未来，团队还会持续用机器学习改善其他预测工作。更
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
