洪水是世界上最常见和最致命的自然灾害之一。每年由于洪水死亡的人数可达数万人，并且有数亿人流离失所，并且洪水灾害造成的人力物力损失极高。仅在美国，从2005年到2014年，平均洪水索赔为42，000美元，总洪水保险索赔平均每年超过35亿美元。
毫无疑问，准确的洪水预报是一个理想的状态。据研究，预警系统可以将死亡和经济损失减少三分之一以上，这也是科学家在人工智能帮助下继续前进的方向。近日在Preprint Server arxiv．org上发表的一篇新论文（“按比例进行洪水预报的ML”）中，来自谷歌、以色列理工学院和巴伊兰大学的研究人员描述了一种机器学习系统，它能准确预测河流洪水。
这项研究借鉴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试行了洪水预测模型。它建立在哈佛大学和谷歌于2018年8月发表的研究基础上。
正如论文所指出的，构建洪水预测模型的最大挑战之一是参数校准，这是一种旨在将算法预测与某些基线测量相匹配的优化过程。但是标准方法涉及重要的手工测量，并且特定地点的数据量有限，模型很难推广。但机器学习在这种情况下非常有用：学习模型在复杂的高维场景中超越了人类专家。研究人员称，根据2018年季风季节产生的警报，预测精确到300米的分辨率，分别超过90％和75％的召回和精确度。
由于基于物理的模拟的高计算成本和由于错误输入导致的不准确性，它不是一个完美的模型。但该团队认为，机器学习技术是改进未来工作预测的关键，这些技术有朝一日可用于预测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，为了实现这一目标正在收集和组合来自不同来源的开放数据集，以使ML社区更容易解决这个问题。”
