رفتن به محتوای اصلی
· 6 دقیقه مطالعه· در محیط زیست

موفقیت پروژه AI-DANA در اسپانیا؛ پیش‌بینی ۹۰ دقیقه‌ای سیلاب‌های ویرانگر با کمک هوش مصنوعی

کنسرسیومی از پژوهشگران اسپانیایی با ترکیب داده‌های راداری و شبکه‌های عصبی مبتنی بر فیزیک، سیستمی را توسعه داده‌اند که می‌تواند عمق و زمان رسیدن سیلاب را ۹۰ دقیقه پیش از وقوع پیش‌بینی کند. این فناوری که با شبیه‌سازی دقیق سیلاب‌های مرگبار سال ۲۰۲۴ والنسیا به اثبات رسیده است، زمان طلایی حیاتی را برای تخلیه مناطق در معرض خطر فراهم می‌کند.

به قلم وحید بختیاری

این خبر را به اشتراک بگذارید

گوش‌ دهید

دو سال پس از سیلاب‌های ویرانگر و مرگبار ناشی از پدیده «دانا» در اکتبر ۲۰۲۴ در والنسیا، یک کنسرسیوم تحقیقاتی در اسپانیا از دستیابی به یک پیشرفت بزرگ در پیش‌بینی بلایای طبیعی خبر داد. پروژه تحقیق و توسعه موسوم به AI-DANA موفق شده است با استفاده از هوش مصنوعی، زمان و عمق دقیق سیلاب‌ها را پیش از وقوع محاسبه کند.[1]

این دستاورد که در ششم نوامبر ۲۰۲۶ به طور رسمی اعلام شد، حاصل همکاری شرکت فناوری TYRIS AI، شرکت مدیریت آب Facsa و دانشگاه Jaume I (UJI) است. این سیستم با دریافت داده‌های رادار هواشناسی والنسیا در فواصل ده‌دقیقه‌ای، می‌تواند الگوی بارش و جریان آب را برای ۹۰ دقیقه آینده با دقت بی‌سابقه‌ای پیش‌بینی کند.[1][2]

اهمیت این فناوری در سرعت پردازش آن نهفته است. در حالی که مدل‌های هیدرولیکی سنتی برای شبیه‌سازی حرکت آب به ساعت‌ها زمان نیاز دارند، این سیستم جدید می‌تواند در کسری از زمان، اطلاعات حیاتی را در اختیار مدیران بحران قرار دهد تا مسیرهای تخلیه را پیش از رسیدن سیلاب مشخص کنند.[2]

این پروژه نشان‌دهنده یک تغییر پارادایم در مدیریت بلایای طبیعی است. به جای واکنش نشان دادن پس از بالا آمدن سطح آب، مقامات اکنون می‌توانند بر اساس داده‌های پیش‌بینی‌شده، جاده‌ها را مسدود کرده و هشدارهای تخلیه را پیش از وقوع فاجعه صادر کنند.[1]

مکانیزم شبکه‌های عصبی فیزیک‌محور

هسته اصلی سیستم AI-DANA بر پایه شبکه‌های عصبی فیزیک‌محور (PINN) بنا شده است. این الگوریتم‌ها نه تنها الگوهای داده‌ای را یاد می‌گیرند، بلکه قوانین فیزیکی حاکم بر دینامیک سیالات را نیز در محاسبات خود لحاظ می‌کنند تا پیش‌بینی‌ها از نظر هیدرولیکی کاملاً منطقی و دقیق باشند.[1][2]

جریان کاری سیستم پیش‌بینی سیلاب مبتنی بر شبکه‌های عصبی فیزیک‌محور.

برای آموزش این هوش مصنوعی، محققان پایگاه داده‌ای عظیم شامل بیش از ۳۰۰۰ رویداد طوفانی تاریخی را گردآوری کردند. سیستم با گذراندن پنج دور آزمایش فشرده، مدل‌هایی را انتخاب کرد که بهترین عملکرد را در بازتولید رفتار واقعی طوفان‌ها و سیلاب‌های ناشی از آن‌ها داشتند.[1]

خروجی این شبکه‌های عصبی مستقیماً به یک مدل هیدرودینامیکی از حوضه رودخانه خوکار (Júcar) تغذیه می‌شود. این مدل با در نظر گرفتن توپوگرافی دقیق منطقه، شیب زمین و ویژگی‌های بستر رودخانه، نحوه حرکت آب در سطح زمین را با جزئیات بالا شبیه‌سازی می‌کند.[1][2]

برای دستیابی به این سطح از دقت، کل قلمرو حوضه آبریز به بیش از ۳۵۰ هزار سلول محاسباتی مجزا تقسیم شده است. سیستم در هر یک از این سلول‌ها، میزان گسترش سیلاب، عمق دقیق آب، زمان رسیدن موج سیل و حداکثر سطح آب را محاسبه می‌کند.[1]

این رویکرد سلولی به مدیران شهری اجازه می‌دهد تا بدانند دقیقاً کدام محله‌ها، خیابان‌ها یا حتی ساختمان‌های خاص در معرض بیشترین خطر قرار دارند. چنین وضوح بالایی در پیش‌بینی، از صدور هشدارهای کلی و مبهم که اغلب توسط شهروندان نادیده گرفته می‌شوند، جلوگیری می‌کند.[2]

شبیه‌سازی سیلاب مرگبار والنسیا

برای اثبات کارایی این سیستم، تیم تحقیقاتی تصمیم گرفت یکی از پیچیده‌ترین و مرگبارترین رویدادهای اخیر، یعنی سیلاب رامبلا دل پویو (Rambla del Poyo) در جریان طوفان اکتبر ۲۰۲۴ را بازسازی کند. این رویداد به دلیل حجم عظیم آبی که در زمان کوتاه جاری شد، یک چالش بزرگ برای مدل‌های سنتی بود.[1]

تیم TYRIS AI برای این شبیه‌سازی، یک مدل دیجیتالی به وسعت ۷۸۶ کیلومتر مربع ایجاد کرد. این منطقه وسیع به حدود ۷.۹ میلیون سلول با وضوح بسیار بالای ۱۰ متری تقسیم شد تا کوچک‌ترین تغییرات ارتفاعی زمین نیز در محاسبات جریان آب لحاظ شود.[1][2]

رامبلا دل پویو در والنسیا؛ منطقه‌ای که شبیه‌سازی سیلاب آن با دقت بالا انجام شد.

نتایج این شبیه‌سازی خیره‌کننده بود. سیستم AI-DANA توانست با استفاده انحصاری از داده‌های عمومی موجود، دبی آب ثبت‌شده در آن رویداد تاریخی را با بازدهی ۰.۹۴ از ۱ بازتولید کند. در این مقیاس، هرچه عدد به ۱ نزدیک‌تر باشد، تطابق مدل با واقعیت بیشتر است.[1]

یکی از چشمگیرترین دستاوردهای این آزمایش، سرعت پردازش آن بود. سیستم موفق شد کل فرآیند ۳۶ ساعته سیلاب ویرانگر سال ۲۰۲۴ را تنها در ۵۷ دقیقه شبیه‌سازی کند. این سرعت پردازش، کلید اصلی برای استفاده از این ابزار در شرایط اضطراری و زمان واقعی است.[2]

علاوه بر تطابق دبی آب، این مدل توانست مناطق آب‌گرفته در شهرداری‌های منطقه لورتا سود (l'Horta Sud) را با عمقی کاملاً مشابه با آنچه در واقعیت پس از طوفان مستند شده بود، شناسایی کند. این موضوع قابلیت اطمینان سیستم را برای استفاده‌های عملیاتی تایید می‌کند.[1]

پیوند فناوری و مدیریت منابع آب

موفقیت این پروژه تنها به الگوریتم‌های پیشرفته محدود نمی‌شود، بلکه حاصل تلفیق هوش مصنوعی با دانش عمیق هیدرولوژی است. النا زوریگا (Elena Zuriaga)، مدیر تحقیق و توسعه شرکت Facsa، در این باره می‌گوید: «فناوری همچنین به شناخت قلمرو و رفتار سیستم‌های آبی نیاز دارد.»[2]

زوریگا در ادامه توضیح می‌دهد: «نقش ما این است که از طریق تجربه خود در مدیریت یکپارچه آب مشارکت کنیم تا اطمینان حاصل شود که این تحقیقات به موقعیت‌ها و نیازهای واقعی پاسخ می‌دهد.» این رویکرد چندرشته‌ای، تضمین‌کننده کاربردی بودن خروجی‌های سیستم است.[2]

این همکاری سه‌جانبه بازتاب‌دهنده مدل قطب نوآوری نلیس (Nealis Innovation Hub) است که بر اساس تجمیع ظرفیت‌های مختلف برای توسعه راه‌حل‌هایی در برابر چالش‌های واقعی جهان پایه‌گذاری شده است. ترکیب تخصص TYRIS AI، دانش علمی UJI و تجربه میدانی Facsa، فرمول موفقیت این پروژه بود.[1][2]

مقایسه زمان پردازش مدل‌های سنتی با سیستم هوش مصنوعی AI-DANA.

توسعه این سیستم پیشرفته با حمایت مالی قابل توجهی همراه بوده است. پروژه AI-DANA با بودجه کل ۶۷۹,۶۴۰ یورو اجرا شده که بخش عمده آن توسط صندوق توسعه منطقه‌ای اروپا (ERDF) و موسسه رقابت‌پذیری و نوآوری والنسیا (IVACE+i) تامین شده است.[1]

اهمیت این فناوری برای اقلیم‌های مشابه

دستاوردهای پروژه AI-DANA پیامدهای گسترده‌ای فراتر از مرزهای اسپانیا دارد. پدیده بارش‌های سیل‌آسای ناگهانی که در اسپانیا به عنوان «گوتای سرد» یا دانا شناخته می‌شود، شباهت زیادی به الگوهای بارشی در مناطق خشک و نیمه‌خشک خاورمیانه از جمله ایران دارد.[1]

در کشورهایی مانند ایران، بارش‌های شدید و ناگهانی بر روی زمین‌های خشک که نفوذپذیری کمی دارند، به سرعت به سیلاب‌های ویرانگر تبدیل می‌شوند. فقدان سیستم‌های هشدار زودهنگام دقیق، همواره یکی از عوامل اصلی تلفات جانی و خسارات مالی سنگین در این مناطق بوده است.[2]

دسترسی به سیستمی که بتواند با دریافت داده‌های راداری، مسیر دقیق حرکت آب و عمق آن را ۹۰ دقیقه زودتر پیش‌بینی کند، می‌تواند به معنای تفاوت بین مرگ و زندگی باشد. این زمان طلایی برای تخلیه روستاها، مسدود کردن جاده‌های در معرض خطر و استقرار نیروهای امدادی حیاتی است.[1][2]

دسترسی به سیستمی که بتواند با دریافت داده‌های راداری، مسیر دقیق حرکت آب و عمق آن را ۹۰ دقیقه زودتر پیش‌بینی کند، می‌تواند به معنای تفاوت بین مرگ و زندگی باشد.

اگرچه AI-DANA در حال حاضر در فاز تحقیق و اعتبارسنجی قرار دارد و هنوز به عنوان یک سیستم هشدار عمومی مستقر نشده است، اما نتایج اولیه آن نشان می‌دهد که ادغام هوش مصنوعی و مدل‌سازی فیزیکی، مسیر آینده مدیریت بحران‌های اقلیمی را ترسیم می‌کند.[2]

چالش بعدی برای محققان این پروژه، اتصال این سیستم به شبکه‌های هشدار مدنی و اطمینان از پایداری جریان داده‌ها در شرایط طوفانی است. با تکامل این فناوری، انتظار می‌رود شهرهای بیشتری در سراسر جهان به ابزارهای مشابهی برای محافظت از شهروندان خود در برابر خشم طبیعت مجهز شوند.[1]

مهندسان هیدرولوژی 40%متخصصان هوش مصنوعی 35%آژانس‌های حفاظت مدنی 25%
مهندسان هیدرولوژی
تاکید بر اهمیت مدل‌سازی فیزیکی دقیق بستر رودخانه‌ها در کنار الگوریتم‌های هوش مصنوعی.
متخصصان هوش مصنوعی
تمرکز بر سرعت پردازش و قابلیت شبکه‌های عصبی فیزیک‌محور در کاهش زمان محاسبات.
آژانس‌های حفاظت مدنی
اولویت‌دهی به دریافت هشدارهای زودهنگام و دقیق برای مدیریت تخلیه و کاهش تلفات.

منابع

پوشش منابع

2 منبع

3 دیدگاه شناسایی‌شده

مهندسان هیدرولوژی 40%متخصصان هوش مصنوعی 35%آژانس‌های حفاظت مدنی 25%
  1. [1]Facsaمهندسان هیدرولوژی

    Anticipating floods: artificial intelligence as an ally in the face of extreme events

    مطالعه در Facsa →
  2. [2]Industriambienteمتخصصان هوش مصنوعی

    La inteligencia artificial permite anticipar inundaciones y estimar su impacto en tiempo real

    مطالعه در Industriambiente →
گوش‌ دهید

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار محیط زیست با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.