Utiliser l’intelligence artificielle pour aider les barrages à fonctionner plus intelligemment

En août 2020, après une période prolongée de sécheresse et de fortes pluies, un barrage situé près de los angeles rivière Seomjin en Corée a connu un débordement en libérant de l’eau, entraînant des dégâts dépassant 100 milliards de received (76 thousands and thousands de greenbacks). Les inondations ont été attribuées au maintien du niveau d’eau du barrage à 6 mètres au-dessus de los angeles normale. Cet twist of fate aurait-il pu être évité grâce à une gestion prédictive du barrage ?

Une équipe de recherche dirigée par le professeur Jeonghun Kam et Eunmi Lee, Ph.D. Le candidat, du Département des sciences et de l’ingénierie de l’environnement de l’Université des sciences et applied sciences de Pohang (POSTECH), a récemment utilisé des tactics d’apprentissage en profondeur pour examiner les modèles d’exploitation des barrages et évaluer leur efficacité. Leurs conclusions ont été publiées dans Magazine d’hydrologie.

Los angeles Corée connaît des précipitations maximales en été et dépend des barrages et des infrastructures associées pour los angeles gestion de l’eau. Cependant, l’escalade de los angeles crise climatique mondiale a provoqué des ouragans et des sécheresses inattendus, compliquant los angeles building de barrages. En réponse, une nouvelle étude a vu le jour, visant à aller au-delà des modèles physiques traditionnels en exploitant le potentiel d’un modèle d’intelligence artificielle (IA) formé sur des mégadonnées à grande échelle.

L’équipe s’est concentrée sur los angeles components d’un modèle d’IA visant non seulement à prédire les modèles opérationnels des barrages dans le bassin de los angeles rivière Seomjin, avec un accessory particulier sur le barrage de los angeles rivière Seomjin, le barrage de Guam et le barrage de contrôle de Guam, mais également à comprendre les processus décisionnels. des modèles d’IA formés.

Leur objectif était de formuler un scénario démontrant los angeles méthodologie de prévision des niveaux d’eau des barrages. À l’aide du modèle d’unité récurrente fermée (GRU), un algorithme d’apprentissage en profondeur, l’équipe l’a formé à l’aide de données s’étendant de 2002 à 2021 provenant de barrages le lengthy de los angeles rivière Seomjin. Les données sur les précipitations, les apports et les débits sortants ont servi d’entrées tandis que les niveaux horaires des barrages ont servi de sorties. L’analyse a montré une précision remarquable, puisque l’indice d’efficacité dépassait 0,9.

L’équipe a ensuite créé des scénarios interprétables, manipulant les entrées de -40 %, -20 %, +20 % et 40 % pour chaque variable d’entrée afin d’examiner remark le modèle GRU formé a répondu à ces ajustements d’entrée. Alors que les changements de précipitations ont ecu peu d’effet sur les niveaux d’eau du barrage, les permutations de débit ont grandement affecté le niveau d’eau du barrage. Il convient de noter qu’un changement identique du débit sortant a entraîné des niveaux d’eau différents selon les barrages, confirmant que le modèle GRU a effectivement appris les nuances opérationnelles uniques de chaque barrage.

Le professeur Jeonghun Kam a commenté : “Notre examen est allé au-delà de los angeles prévision des modèles d’exploitation des barrages pour garantir leur efficacité à l’aide de modèles d’IA. Nous avons présenté une méthodologie visant à comprendre indirectement le processus de prise de décision du modèle de boîte noire basé sur l’IA qui détermine les niveaux d’eau du barrage. ” »

Il a ajouté : « Nous aspirons à ce que cette imaginative and prescient contribue à une compréhension plus approfondie des opérations des barrages et améliore leur efficacité à l’avenir. »

L’étude est publiée dans Magazine d’hydrologie.