洪水是世界上最少见和最可怕的自然灾害之一。每年由于洪水丧生的人数可约数万人，并且有数亿人流离失所，并且洪水灾害导致的人力物力损失极高。

仅有在美国，从2005年到2014年，平均值洪水赔偿为42，000美元，总洪水保险赔偿平均值每年多达35亿美元。毫无疑问，精确的洪水预报是一个理想的状态。

据研究，预警系统可以将丧生和经济损失增加三分之一以上，这也是科学家在人工智能协助下继续前进的方向。近日在PreprintServerarxiv．org上公开发表的一篇新的论文（“按比例展开洪水预报的ML”）中，来自谷歌、以色列理工学院和巴伊兰大学的研究人员叙述了一种机器学习系统，它能精确预测河流洪水。

这项研究糅合了谷歌去年年底在印度巴特那的成果，山景公司与印度中央水务委员会合作全面推行了洪水预测模型。它创建在哈佛大学和谷歌于2018年8月公开发表的研究基础上。

正如论文所认为的，建构洪水预测模型的仅次于挑战之一是参数校准，这是一种目的将算法预测与某些基线测量相匹配的优化过程。但是标准方法牵涉到最重要的手工测量，并且特定地点的数据量受限，模型很难推展。但机器学习在这种情况下十分简单：自学模型在简单的高维场景中打破了人类专家。

研究人员称之为，根据2018年季风季节产生的警报，预测准确到300米的分辨率，分别多达90％和75％的解任和精确度。由于基于物理的仿真的高计算成本和由于错误输出造成的不准确性，它不是一个极致的模型。但该团队指出，机器学习技术是改良未来工作预测的关键，这些技术有朝一日可用作预测并未通过基于物理的模型模拟的事件，如融雪和河流流量。研究人员称之为，为了构建这一目标正在搜集和人组来自有所不同来源的对外开放数据集，以使ML社区更容易解决问题这个问题。

本文来源：美高梅MGM-www.ekt79.com