خوارزميات Machine Learning تتنبأ بكوارث الأمطار

كشفت دراسة حديثة أنه بالإمكان التنبؤ بالأضرار الناجمة عن الأمطار الغزيرة بدقة تصل إلى 95.87 % وذلك باستخدام خوارزميات الـ Machine .Learning أبانت الدراسة أن 65 % من أضرار الكوارث الطبيعية الناجمة عن الأمطار الغزيرة في كوريا الجنوبية، لذا فإن الحاجة لنظام إدارة الكوارث ضرورية للمساعدة في تجنب حدوث أضرار، كما يفيد هذا النظام صانعي السياسات لوضع وتنفيذ تدابير وقائية.

الخوازميات

استخدم الباحثون البيانات لمدينة سيول عاصمة كوريا الجنوبية لقياس أضرار الأمطار الغزيرة من عام 1994إلى عام 2015، وكذلك بيانات الطقس لتلك الفترة، ومن ثم قاموا بتدريب خوارزميات الـ Machine Learning للتنبؤ بإمكانية حدوث ضرر جراء الأمطار الغزيرة من خلال بيانات الطقس، واعتمدوا في تدريبهم للخوارزميات على طريقتين الأولى من خلال بيانات الطقس لنفس اليوم الذي حدث فيه الضرر، أما الطريقة الثانية فكانت لبيانات الطقس للأيام السابقة لليوم الذي حدث فيه الضرر.

نتائج الخوارزميات

أظهرت النتيجة دقة عالية لكل الخوارزميات فأعلى قيمة للتنبؤ من بيانات نفس اليوم كانت لخوارزمية Random Forest بدقة %96.518، وأفضل تنبؤ من خلال بيانات الطقس للأيام السابقة كان باستخدام بيانات أربع سابقة ليوم الضرر لخوارزمية Boosting بدقة .% 95.867

برامج حاسوبية

أشار الأستاذ المشارك في كلية علوم الحاسب والمعلومات بجامعة الملك سعود الدكتور حمود الدوسري لـ«الوطن«، إلى أن الخوارزميات المستخدمة للتنبؤ بأضرار الأمطار الغزيرة عبارة عن برامج حاسوبية تعتمد على البيانات وتحليلها للتنبؤ بالمستقبل، هذه الخوارزميات تعتمد على نظريات رياضية إما لتحليل الواقع (تحليل وصفي) أو التنبؤ بالمستقبل (تحليل تنبؤي)، وذلك من خلال جمع البيانات السابقة واستخدام بعض النظريات الإحصائية معتمدة على القوة والسرعة التحليلية للحواسيب الحديثة لإجراء عمليات معقدة لاكتشاف الأنماط والعلاقات بين البيانات.

حمود الدوسري