Новая технология прогнозирования наводнений моделирует реки в 100 раз быстрее реального времени

Исследователи из IBM и Техасского университета в Остине применили передовую аналитику к данным о речных системах, погоде и показаниям датчиков, чтобы прогнозировать поведение реки Гуадалупе более чем в сто раз быстрее нормальной скорости. Моделируя тысячи рукавов одновременно, эта технология может помочь обеспечить предупреждение о наводнении за несколько дней, давая больше времени на предотвращение катастрофы и подготовку.

Наводнения — самое распространенное стихийное бедствие в США, но традиционные методы прогнозирования фокусируются только на основных руслах крупных рек, игнорируя обширные сети притоков, где наводнения фактически начинаются и где внезапные паводки угрожают жизни и имуществу. Новая технология IBM может моделировать десятки тысяч речных рукавов одновременно и масштабироваться для прогнозирования поведения миллионов рукавов. Связывая аналитическое программное обеспечение с передовыми моделями прогноза погоды, такими как Deep Thunder от IBM, муниципалитеты и службы реагирования на ЧС могут планировать действия и определять потенциальные зоны затопления.

«Эффективную подготовку к наводнениям можно рассматривать как крупномасштабную вычислительную проблему с огромным количеством релевантных данных и взаимозависимостей, — сказал Фрэнк Лю, сотрудник исследовательского подразделения IBM Research – Austin. — Используя передовые модели для симуляции множества притоков крупных рек вместе с другой актуальной информацией в реальном времени, такой как погода, мы можем лучше заблаговременно предупредить людей о наводнении».

В качестве испытательного полигона команда применяет модель для прогнозирования поведения всей 230-мильной реки Гуадалупе и более 9000 миль её притоков в Техасе. В настоящее время система может генерировать до 100 часов моделирования поведения реки за один час работы. Проект выполняется на системах IBM Power 7, которые значительно ускоряют симуляцию.

«Объединив сложное системное моделирование IBM с нашими исследованиями в области физики рек, мы разработали новые способы взглянуть на старую проблему, — отметил Бен Ходжес, доцент Центра исследований водных ресурсов UT Austin. — В отличие от предыдущих методов, подход IBM масштабируется для массивных сетей и имеет потенциал для одновременного моделирования миллионов речных миль».