I USA., 15, 498 av de fler än 88, 000 dammar i landet kategoriseras med hög riskpotential – vilket betyder att om de misslyckas, de kunde döda människor. Från och med 2015, några 2, 000 av dessa högfarliga dammar behöver repareras. Med en rejäl prislapp som uppskattas till cirka 20 miljarder dollar, dessa reparationer kommer inte att ske över en natt.

Ett projekt från Columbia Water Center syftar till att hjälpa till att vägleda processen att reparera eller avveckla dessa dammar. Teamet pekar ut de mest riskfyllda dammarna, använda klimatmodeller, GIS-data, och artificiell intelligens för att förutsäga sannolikheten för att nederbörd kommer att överstiga en damm och orsaka betydande nedströmsskador på befolkningen och kritisk infrastruktur. "Vi kan säga vilka dammar som bör repareras först, och vilka som måste övervakas noga för att planera för nödsituationer, " sa Byungjin Så, en postdoktor som arbetar med projektet.

Arbetet är särskilt brådskande eftersom Amerikas dammar fortsätter att åldras och eftersom klimatförändringarna ökar risken för kraftiga regn och översvämningar. De flesta av dessa dammar är nu äldre än deras ursprungliga designlivslängd, och deras tillstånd övervakas inte alltid väl. Underhåll av dessa gamla dammar är också ett problem, som visades genom det nästan misslyckandet i den högsta dammen i landet, Oroville Dam, förra året i Kalifornien. Misslyckandet i utloppet ledde till evakueringen av 200, 000 personer samt störningar i nedströms vattenförsörjningen. Reparationskostnaden har nu nått 1 miljard dollar, medan tidigare underhålls- och reparationskostnader uppskattades till de låga miljoner dollarna.

Första stegen

Prognoserna börjar med klimatdata. Så arbetar med klimatmodeller för att förstå atmosfärisk cirkulation och fuktmönster över rum och tid. Särskilt, han tittar på vindar som plockar upp vatten när de rör sig över Stilla havet på väg mot Kalifornien. "För närvarande arbetar vi bara med Kalifornien, "förklarade så, "men senare kommer vi att överväga hela USA."

Nästa, han använder artificiell intelligens för att avgöra om dessa fukt- och cirkulationsmönster faktiskt kommer att översättas till regn. Analyserar data från 1980 till 2017, A.I. använder djupinlärning för att känna igen vilka mönster som vanligtvis leder till nederbörd i Kalifornien. Det kategoriserar sedan ett inkommande vädersystem som "regn" eller "inget regn" med 95 procents noggrannhet.

Till sist, Så måste förutsäga om nederbörden kan leda till dammbrott. Han kommer att använda höjdkartor, dammhöjder, dammlagringskapacitet, och avrinningsberäkningar för att förutsäga om regnet kan överträffa dammen. Under tiden, demografiska data kommer att avslöja människor och kritisk infrastruktur som kan vara i fara nedströms.

Vad kommer härnäst

Tills vidare, A.I. klassificerar endast väderhändelser i vått eller torrt. Så småningom, Så vill att den ska klassificera händelser med mer detaljer, till exempel "låg nederbörd" och "hög nederbörd".

Dessutom, han arbetar för närvarande med att kombinera den artificiella intelligens-komponenten i klimatmodellen, och planerar att avsluta den delen av projektet i oktober. Bedömningsmodellen för dammarna, som beräknas vara klar nästa år, kommer att kartlägga transporten, elproduktion, befolkning och infrastruktur för rening av vatten/avloppsvatten som skulle kunna påverkas om var och en av de övervägda dammarna skulle misslyckas. Maskininlärningsmetoder kommer också att använda rigorösa simuleringar av dammbrottsdynamik från några utvalda dammar för att projicera hur någon av de 88, 000 potentiella dammbrott kan leda till nedströms översvämning och skador.

Så hoppas att modellen kommer att vara redo att ge råd till beslutsfattare i den verkliga världen – och hjälpa till att skydda människor och infrastruktur – till 2020.