Poplave su jedan od najčešćih i najrazornijih prirodnih nepogoda. Svake godine uzrokuju smrt, prisilno preseljenje obitelji i milijarde kuna materijalne štete. Tradicionalno su predviđanja temeljena na složenim fizičkim modelima koji su zahtijevali velike računalne kapacitete i detaljne lokalne podatke. S promjenama klime i sve nestabilnijim vremenskim obrascima, potreba za bržim, preciznijim i pristupačnijim alatima za prognozu postaje sve veća. Google Research je odgovor na taj izazov razvio napredne modele umjetne inteligencije i odlučio ih učiniti dostupnima svima putem otvorenog izvora.
Razvoj predviđanja poplava i prelazak na otvoreni izvor
U prošlosti su stručnjaci za hidrologiju koristili tradicionalne simulacije temeljene na jednadžbama protoka i vodostaja. Takvi modeli zahtijevali su opsežne meteorološke i geološke podatke, a njihova primjena bila je ograničena na institucije s velikim tehničkim resursima. S porastom računalne snage i napretkom strojnog učenja, moguće je obraditi velike skupove podataka i otkriti obrasce koji su ranije bili nevidljivi.
Google je kroz svoj projekt Flood Hub razvio sustav koji koristi metode strojnog učenja za kratkoročna i srednjoročna predviđanja rijetkih poplava. Sada je taj sustav objavljen kao otvoreni izvor, što omogućuje nacionalnim meteorološkim i hidrometeorološkim službama, akademskim istraživačima i nevladinim organizacijama da ga integriraju u svoje radne procese i tako prošire dostupnost točnih informacija o mogućim poplavama.
Struktura modernog hidrologijskog modela: od LSTM do ME-LSTM
U središtu Googleovog otvorenog sustava nalazi se mreža dugog kratkoročnog pamćenja (LSTM). LSTM je vrsta rekurentne neuronske mreže koja je posebno prikladna za predviđanje vremenskih serija, jer pamti informacije iz prošlih mjerenja i koristi ih za procjenu budućih stanja. U hidrologiji je to ključno, jer trenutni vodostaj rijeke ovisi o prethodnim oborinama, vlažnosti tla i temperaturi z