谷歌AI預測洪災準確率提高，最多提前7天
3 月 22 日，據報道，Google 近期榮獲《Nature》認可，發(fā)表其借助人工智能技術精準預測洪災的研究進展。此舉或將破解長期困擾全球 80 余國地區(qū)居民的洪水預警難題。
盡管大部分河流未能安裝流速計，使得洪水預警一度成為難題。然而，谷歌憑借匯集多種有關數(shù)據（如過去的洪峰記錄、水位變化、高度及地貌要素等），成功構建機器學習模型，有效解圍。
該模型所生成的本地映射亦對每個地點執(zhí)行了高達百萬次的模擬，用于精確預測未來的洪水沖擊。
谷歌坦言，當前模型尚局限于特定區(qū)域使用；盡管如此，他們仍期待基于現(xiàn)有技術優(yōu)勢不斷完善，以期更有針對性地解決全球性洪水預警難題。據現(xiàn)有的測試結果顯示，該技術最早可提前 7 天預測洪災來臨，而平均預報誤差則控制在 5 天以內。
聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發(fā)燒友網立場。文章及其配圖僅供工程師學習之用，如有內容侵權或者其他違規(guī)問題，請聯(lián)系本站處理。
舉報投訴
-
Google
+關注
關注
5文章
1817瀏覽量
60658 -
谷歌
+關注
關注
27文章
6260瀏覽量
112039 -
人工智能
+關注
關注
1821文章
50390瀏覽量
267156 -
模型
+關注
關注
1文章
3841瀏覽量
52294
發(fā)布評論請先 登錄
相關推薦
熱點推薦
可測 + AI 預測：光伏發(fā)電功率預測如何提升消納與收益
可測是“精準采集數(shù)據”的基礎，AI預測是“提前預判趨勢”的核心，二者聯(lián)動，不僅能精準預測光伏發(fā)電功率，更能優(yōu)化調度、減少波動、提升消納，讓每一度綠色電能都能轉化為實實在在的收益。
MediaTek Genio平臺推動端側AI在零售場景中規(guī)?；涞?/a>
從智能貨架和預測式補貨，到自適應數(shù)字標牌和基于自然語言的客戶互動，端側 AI 正在推動零售從被動響應走向主動預測。在實體門店中，如果沒有智能自動化，庫存準確率明顯降低，導致銷售機會流失
利用Solido Design Environment準確預測SRAM晶圓良率
。本研究開發(fā)出新型良率建模方法，將隨機離散缺陷注入 SRAM 良率預測。實踐表明，基于Solido Design Environment (Solido DE) 的新型位失效預測方法與
使用NORDIC AI的好處
提升能效，適合音頻、圖像和高采樣率傳感器等更重的 AI 負載。[Axon NPU 技術頁]
模型更小、更快、更省電
Neuton 模型相較 TensorFlow Lite：* 內存占用可小 10
發(fā)表于 01-31 23:16
靠聽診器查故障？這套系統(tǒng)靠 “聽聲紋”，準確率 96%
老技工的聽診器承載經驗傳承，但工業(yè)智能化時代，更需精準前置的科技手段。聲振溫協(xié)同監(jiān)測系統(tǒng)的價值，不僅是96%的診斷準確率，更在于將故障預警從“事后”推向“事前”，實現(xiàn)運維模式從被動搶修到主動預防的轉變。
設備會 “說話”：提前 7 天告訴你要壞了
聲振溫系統(tǒng)的核心價值，不在于“能發(fā)現(xiàn)故障”，而在于“能提前7天發(fā)現(xiàn)故障”。這7天，足夠工廠調配備件、安排維修、避開生產高峰，把損失降到最低。
除了準確率，電能質量在線監(jiān)測裝置在諧波源識別方面還有哪些重要指標？
除了識別準確率，電能質量在線監(jiān)測裝置在諧波源識別方面的核心價值還依賴于 識別效率、定位精度、抗干擾能力、場景適配性 等關鍵指標，這些指標直接決定裝置能否在復雜現(xiàn)場環(huán)境中 “快速找對、精準定位、穩(wěn)定
電能質量在線監(jiān)測裝置識別諧波源的準確率有多高？
電能質量在線監(jiān)測裝置識別諧波源的準確率受電網結構、監(jiān)測方案、設備性能等多重因素影響，呈現(xiàn)顯著的 場景化差異 。根據行業(yè)研究與工程實踐，其準確率通常在 **65%~95%** 之間波動，具體可分為以下
提高條件分支指令預測正確率的方法
“Gshare方法”。
BTB:
分支目標緩沖器（Branch Target Buffer，BTB）是一個用于存儲分支指令地址和目標地址的高速緩存，其常見于超標量處理器中，主要用于提高分支預測器的性能，因為它可
發(fā)表于 10-22 08:22
基于全局預測歷史的gshare分支預測器的實現(xiàn)細節(jié)
的地址位數(shù)，雖然BHR位數(shù)越多，分支預測器的準確度越高，但正確率提高的代價是PHT消耗的資源呈指數(shù)形式迅速地增長，因此我們必須在面積與性能之間進行權衡。。最終經過對各類32位RISC-
發(fā)表于 10-22 06:50
AI賦能6G與衛(wèi)星通信：開啟智能天網新時代
需求？傳統(tǒng)網絡會因流量激增而擁堵，而AI賦能的6G網絡則能提前預測流量模式，動態(tài)調整資源分配。
AI算法能夠實時分析海量數(shù)據，包括用戶位置、網絡負載、歷史流量模式等。在2025年上海世
發(fā)表于 10-11 16:01
【「AI芯片：科技探索與AGI愿景」閱讀體驗】+AI的科學應用
流體芯片
⑤AI計算平臺
⑥基于AI的自主決策系統(tǒng)
⑦基于AI的自主學習系統(tǒng)
2、面臨的挑戰(zhàn)
①需要造就一個跨學科、全面性覆蓋的知識庫和科學基礎模型
②需要解決信息不準確和認知偏差問題
發(fā)表于 09-17 11:45
華曦達亮相谷歌云AI亞洲峰會，AI Home業(yè)務高增長引領發(fā)展新征程
AI亞洲峰會現(xiàn)場 華曦達基于谷歌云技術底座打造的AIHome解決方案及其自主研發(fā)的HomeAIAgent——Cedar成為關注焦點。該系統(tǒng)通過AI驅動的學習與自適應，實時理解并預測用戶
設備預測性維護與健康管理：工業(yè)高效運行新引擎
隨著科技的不斷進步，設備預測性維護與健康管理解決方案將不斷完善和發(fā)展。一方面，傳感器技術將更加先進，能夠采集更多維度、更精準的數(shù)據；另一方面，人工智能算法將不斷優(yōu)化，提高故障預測的準確率
如何統(tǒng)計蜂鳥E203的分支預測率？
想請問大家如何統(tǒng)計蜂鳥E203的分支預測率，我嘗試在exu_commit模塊里統(tǒng)計，但是發(fā)現(xiàn)預測率都有寫問題，想請教以下大家
發(fā)表于 06-10 07:05
評論