AI通过与NVIDIA Modulus的合作实现洪水预测变革

洪水对全球15亿人构成重大威胁，每年造成高达250亿美元的经济损失。针对高效洪水预测的迫切需求，BRLi和图卢兹国立理工学院（Toulouse INP）开发了一种基于AI的解决方案，利用NVIDIA Modulus，根据NVIDIA官方博客，该创新方法有望通过显著缩短计算时间来革新实时洪水预测。

传统洪水预测的挑战

传统洪水预测依赖于基于物理的数值模拟，这些模拟计算密集且耗时。这种方法可能需要数小时来模拟一次洪水事件，从而限制了其在实时场景中的实用性。这一瓶颈阻碍了能够在持续事件中提供及时可操作见解的响应性洪水预警系统的开发。

AI驱动的解决方案

为克服这些限制，BRLi和图卢兹国立理工学院通过ANITI研究所设计了一种用AI系统替代传统物理求解器的方法。通过利用来自Earth-2平台的NVIDIA Modulus，团队训练了一个AI模型来模拟求解器，实现对洪水情景的快速评估。

在BRLi提供的详细物理模型上训练的AI模型可以在单个GPU上在数秒内模拟多个小时的洪水。这一突破显著提高了洪水易发地区的实时预测和决策潜力。

执行与测试

该基于AI的系统聚焦于法国南部的泰特河流域，利用包括重要地形和工程特征的详细网格。系统采用NVIDIA Modulus在自定义数据上训练模型，优化复杂的空间和时间动态，这对于准确洪水预测至关重要。

训练是在NVIDIA A100 Tensor Core GPU上进行的，实现了接近线性的速度提升，并允许进行长达数小时的30分钟增量预测。通过均方误差（MSE）和关键成功指数（CSI）等指标验证了模型的准确性，确保了预测的可靠性。

影响与未来前景

所产生的替代GNN模型可以在单个NVIDIA A100 GPU上仅用19毫秒完成6小时的预测，与传统方法需12小时的CPU时间形成鲜明对比。这种效率允许进行复杂模拟的实时洪水建模而不影响模拟的复杂性。

这一进步不仅展示了NVIDIA Modulus在建立和训练AI架构方面的能力，还树立了在各种行业中类似应用的先例。该项目的成功为将AI模型集成到运营灾难救援服务中铺平道路，提高了其有效应对自然灾害的能力。

随着BRLi和图卢兹国立理工学院不断完善其模型，将AI集成到工程工具链中变得愈发可行。这一发展标志着防洪风险管理的重大进步，提供了应对持久全球挑战的可扩展且高效的解决方案。

欲了解更多信息，请访问NVIDIA博客。