Fujitsu tillkännagav idag utvecklingen av en teknik som bygger på matematiska modeller byggda med begränsad data om nederbörd och vattennivåer för att skapa översvämningsprognoser för floder. Lösningen utnyttjar Fujitsu Human Centric AI Zinrai, en omfattande portfölj som omfattar Fujitsus breda utbud av AI-teknologier och tekniker, och använder en modell som innehåller insikter från hydrologi för att producera en AI som uppnår förutsägelser med större precision.

Den nya tekniken visar sig effektiv även för mindre floder med begränsade mätdata eller för områden där vattennivåsensorer nyligen har installerats och ännu inte har samlat tillräckligt med data. Dessa förutsägelser kommer att erbjuda myndigheterna ett viktigt verktyg för att leverera snabbare svarstider och mildra översvämningsskador i händelse av en naturkatastrof, inklusive att skicka ut personal till drabbade områden och stödja lämpligt beslutsfattande vid utfärdande av evakueringsråd.

Fujitsu och Fujitsu Laboratories kommer att fortsätta att arbeta för att ytterligare fullända denna teknik genom ett fältförsök med lokala myndigheter över hela Japan i syfte att leverera en kommersiell lösning under räkenskapsåret 2019. Med utvecklingen av denna lösning, Fujitsu visar hur denna och andra AI-tekniker kommer att spela en viktig roll för att stärka dess ansträngningar för att bekämpa effekterna av klimatförändringar, och bidra till att uppnå större hållbarhet i samhället.

På senare år har lokala myndigheter över hela Japan har brottats med utmaningarna med att hantera floder som orsakar allvarliga översvämningsskador i spåren av frekventa, mycket lokala kraftiga regnhändelser. Särskilt mindre floder som rinner genom stadsområden upplever ofta plötsliga vattennivåhöjningar på grund av inverkan av oförutsägbara, ändå kraftiga regnstormar och tyfoner. År efter år, risken för att betydande översvämningsskador inträffar mycket snabbt representerar en sporadisk, men ett allt allvarligare hot, understryker ett brådskande behov av utökade motåtgärder mot översvämningar.

Som en del av dessa motåtgärder, vattennivåförutsägelser har gjorts för stora floder som utsetts till risk för översvämning. För mindre floder eller områden där vattennivåsensorer nyligen har installerats, dock, att göra korrekta förutsägelser har hittills visat sig vara svårt på grund av bristen på tillräckliga vattennivådata och de senaste flödesobservationsresultaten.

För att ta itu med detta, Fujitsu och Fujitsu Laboratories har utvecklat en ny teknik som exakt förutsäger vattennivåer även för floder med begränsade mätdata, ge katastrofförebyggande personal möjlighet att vidta tidiga förebyggande åtgärder för att minska skadorna.

Fujitsu och Fujitsu Laboratories har utvecklat en matematisk modell som kan hitta optimala parametrar när maskininlärning används för att träna modellen med tidigare regn- och vattennivådata, skapa funktioner baserade på tankmodellkonceptet, som uttrycker vattenutsläpp från ett avrinningsområde inom hydrologi.

Med den här modellen, AI förutsäger framtida vattennivåer baserat på data som samlats in för att presentera regn- och vattennivådata tillsammans med prognoser för de kommande timmarna som överförs till lokala myndigheter av olika meteorologiska organisationer. Prognosmodellen kan också optimeras mycket snabbt även efter förändringar i flodmiljön eller införandet av ny infrastruktur. I sådana här fall, modellen kan helt enkelt tränas om med hjälp av regn- och vattennivådata som tas efter eventuella ändringar.

När ett försök som utvärderade den nya modellens noggrannhet genomfördes genom att tillämpa denna teknik på tidigare data från mindre floder som hanteras av en viss lokal myndighet, det verifierades att när man tränade med data från bara en nederbörd kunde vattennivåhöjningar förutsägas med konsekvent noggrannhet (figur 2).

Dessutom, Fujitsu och Fujitsu Laboratories har genomfört en utvärdering som jämför denna teknik med standardmetoder för vattennivåförutsägelse som använder sådana data som flödesobservationer. Utvärderingen, genomförd med hjälp av professor Akira Kawamura från Tokyo Metropolitan University bekräftade framgångsrikt att denna teknik kan leverera likvärdig eller bättre noggrannhet.

Fujitsu räknar med att denna teknik även kan användas för att hjälpa till att övervaka översvämningar i floder utanför Japan och genomför en mängd olika försök med kunder i syfte att göra den tillgänglig som en kommersiell lösning under räkenskapsåret 2019. Fujitsu Laboratories arbetar för att ytterligare förbättra noggrannheten av denna teknik, gör det till en del av en serie diagnostiska och prediktiva tekniker för att skydda kundernas tillgångar, inklusive faciliteter och social infrastruktur nära floder, därigenom bidra till skapandet av städer som är resistenta mot katastrofer genom användning av digital teknik.