莱斯大学研究人员正利用人工智能（AI）技术赋能极端天气模拟，旨在更好地保护民众与财产免受未来风暴侵袭。

该校学者去年成立了气候风险与城市韧性AI研究推进组，是响应莱斯大学肯·肯尼迪研究所发起AI跨学科合作研究倡议的实践项目。

研究团队负责人詹姆斯·多斯-戈林表示：“我的专业领域是土木与环境工程，热衷于运用前沿技术解决我们长期绞尽脑汁的难题。AI在这方面的作用令人充满期待。”

为应对极端天气而开展的灾害建模并非新举措。多斯-戈林指出，美国联邦紧急事务管理局（FEMA）运用灾害模型绘制洪涝高风险区域分布图。一些保险公司通过灾害模型评估风险并制定保费标准。各地社区则依据灾害建模成果，为从民宅到电网等各类基础设施制定设计标准。

多斯-戈林团队正将人工智能技术融入灾害建模研究，长期以来致力于运用机器学习开展洪水建模研究。他表示：“截至目前，我们发现当前人工智能模型的精确度虽不及基于物理过程的传统模型，但运算速度却能提升数个量级。”

该团队还运用人工智能开发新型飓风风场模型，同时通过AI技术推进水文学研究，以帮助社区有效应对干旱灾害。

他认为，AI模型用于交通规划正是绝佳范例。因为当你获得风暴预报后，需制定相应疏散计划，必须能模拟不同疏散情景下的交通状况。

灾害建模的核心在于运行模拟仿真，而AI能显著加速这一进程。随着快速迭代的AI系统日益强大，这些模型的精确度也将持续提升。

多斯-戈林说：“我们正探索如何将已知物理规律与现有AI模拟系统进行深度融合。总体而言，当前这些工具大多能让我们在大幅提升速度的同时，获得相当高的预测精度。”

极端天气会引发诸多不确定因素，致使防灾规划制定存在难度。目前，许多设计标准或保险风险图的制定仍基于单一假设性洪水事件的预期。在丘陵地区，洪水往往会反复流向同一低洼区域；而在土壤不透水的平原地带，每次洪水形成的淹没模式都存在差异。

多斯-戈林表示，我们的目标是模拟成百上千次尚未被观测到的真实风暴，逐一分析每次风暴引发的洪水类型，以及在建造不同基础设施等不同干预措施下洪水的演变规律。若要对一千场风暴中一百种基础设施方案进行评估，就需要进行十万次模拟计算——这个数量级对传统方法而言将难以承受。

（来源：KOMONEWS网站 编译：张乐吟 刘淑乔 责任编辑：蒋芷晴）