บทความการวิจัยล่าสุดที่เผยแพร่ในวารสารเดอะ อินโนเวชัน (The Innovation) เปิดเผยว่าคณะนักวิจัยของจีนได้เสนอแบบจำลองการเรียนรู้เชิงลึกแบบผสมผสานใหม่เพื่อแก้ปัญหาการพยากรณ์ “น้ำท่า” สำหรับพื้นที่รับน้ำทั่วโลก โดยตั้งเป้าปรับปรุงการคาดการณ์ “น้ำท่วม” ให้ดีขึ้น

อนึ่ง น้ำท่า (แ) หมายถึง ปริมาณน้ำในลำธารที่เกิดจากน้ำฝน ผ่านกระบวนการเก็บกัก ณ จุดต่าง ๆ ภายในระบบ และการระบายลงสู่พื้นที่ ตอนล่าง โดยแบ่งลักษณะการไหล เช่น 3 ลักษณะ คือ น้ำไหลบ่า หน้าผิวดิน (Overland flow), น้ำไหลภายในดิน (Inter flow) และน้ำไหลใต้ดิน (groundwater flow) ข้อมูลจากกรมอุทยานแห่งชาติ สัตว์ป่า และพันธุ์พืช

รายงานระบุว่าการพยากรณ์น้ำท่าและน้ำท่วมยังคงเป็นหนึ่งในความท้าทายด้านอุทกวิทยาที่มีมาเป็นเวลานาน โดยแบบจำลองทางกายภาพแบบเดิมมักเผชิญอุปสรรคจากเครื่องมือวัดที่กระจัดกระจายและขั้นตอนการสอบเทียบซับซ้อน โดยเฉพาะในพื้นที่รับน้ำที่ไม่มีการตรวจวัด

สถาบันบัณฑิตวิทยาศาสตร์จีนระบุว่าพื้นที่รับน้ำขนาดเล็กและขนาดกลางทั่วโลกมากกว่าร้อยละ 95 ขาดข้อมูลการเฝ้าติดตาม

คณะนักวิจัยจากสถาบันอันตรายและสิ่งแวดล้อมบนภูเขา สังกัดสถาบันฯ ได้ใช้ข้อมูลของพื้นที่รับน้ำมากกว่า 20,000 แห่งทั่วโลกในการฝึกฝนแบบจำลองดังกล่าวเพื่อคาดการณ์น้ำท่าระดับโลกในพื้นที่รับน้ำที่มีหรือไม่มีข้อมูลการเฝ้าติดตามทั้งหมด

การกระจายตัวของพื้นที่รับน้ำเหล่านี้แตกต่างกันอย่างมีนัยสำคัญ ซึ่งรับประกันความหลากหลายของข้อมูล โดยผลการวิจัยพบว่าความแม่นยำในการพยากรณ์ของแบบจำลองนี้สูงกว่าแบบจำลองทางอุทกวิทยาแบบเดิมและแบบจำลองปัญญาประดิษฐ์หรือเอไอ (AI) อื่น ๆ

บทความชี้ว่าการศึกษาครั้งนี้ แสดงให้เห็นถึงศักยภาพของรูปแบบการเรียนรู้เชิงลึก ในการแก้ปัญหาการขาดแคลนข้อมูลทางอุทกวิทยาและจุดบกพร่อง ในโครงสร้างแบบจำลองทางกายภาพและเครื่องมือวัด

🎧 อัปเดตข้อมูลแวดวงวิทยาศาสตร์ เทคโนโลยี รู้ทันโลกไอที และโซเชียลฯ ในรูปแบบ Audio จาก AI เสียงผู้ประกาศของไทยพีบีเอส ได้ที่ Thai PBS

ภาพซินหัว : แม่น้ำเป่ยเจียงในเขตอู่เจียง เมืองเส้ากวน มณฑลกว่างตงทางตอนใต้ของจีน วันที่ 21 เม.ย. 2024

แหล่งข้อมูลอ้างอิง : Xinhua

“รอบรู้ ดูกระแส ก้าวทันโลก” ไปกับ Thai PBS Sci & Tech

สรุปประเด็นให้โดย Generative AI

แม่นขึ้น ! พยากรณ์ “น้ำท่า-น้ำท่วม” ด้วยแบบจำลองการเรียนรู้เชิงลึกแบบใหม่