Nell’agosto 2020, a seguito di un periodo di siccità prolungata e precipitazioni intense, una diga situata vicino al fiume Seomjin in Corea ha subito uno straripamento durante un rilascio d’acqua, provocando danni superiori a 100 miliardi di won (76 milioni di dollari). L’inondazione è stata attribuita al mantenimento del livello dell’acqua della diga 6 metri più alto della norma. Questo incidente avrebbe potuto essere evitato attraverso una gestione predittiva della diga?
Un gruppo di ricerca guidato dal professor Jonghun Kam e da Eunmi Lee, dottoranda, della Divisione di Scienze e Ingegneria Ambientali dell’Università di Scienza e Tecnologia di Pohang (POSTECH), ha recentemente utilizzato tecniche di deep learning per esaminare i modelli di funzionamento delle dighe e valutarne l’efficacia. I loro risultati sono stati pubblicati nel Giornale di idrologia.
La Corea deve affrontare un picco di precipitazioni durante l’estate e fa affidamento su dighe e infrastrutture associate per la gestione dell’acqua. Tuttavia, l’escalation della crisi climatica globale ha portato alla comparsa di tifoni e siccità imprevisti, complicando le operazioni di costruzione delle dighe. In risposta, è emerso un nuovo studio, che mira a superare i modelli fisici convenzionali sfruttando il potenziale di un modello di intelligenza artificiale (AI) addestrato su estesi big data.
Il team si è concentrato sulla creazione di un modello di intelligenza artificiale volto non solo a prevedere i modelli operativi delle dighe all’interno del bacino del fiume Seomjin, concentrandosi in particolare sulla diga del fiume Seomjin, sulla diga di Juam e sulla diga di controllo di Juam, ma anche a comprendere i processi decisionali del bacino del fiume Seomjin. modelli di intelligenza artificiale addestrati. Il loro obiettivo era formulare uno scenario che delineasse la metodologia per prevedere i livelli dell’acqua delle dighe. Utilizzando il modello Gated Recurrent Unit (GRU), un algoritmo di apprendimento profondo, il team lo ha addestrato utilizzando dati che vanno dal 2002 al 2021 dalle dighe lungo il fiume Seomjin. I dati sulle precipitazioni, sugli afflussi e sui deflussi sono serviti come input mentre i livelli orari delle dighe sono serviti come output. L’analisi ha dimostrato una notevole accuratezza, vantando un indice di efficienza superiore a 0,9.
Successivamente, il team ha ideato scenari spiegabili, manipolando gli input del -40%, -20%, +20% e 40% di ciascuna variabile di input per esaminare come il modello GRU addestrato ha risposto a queste alterazioni degli input. Mentre i cambiamenti nelle precipitazioni hanno avuto un impatto trascurabile sui livelli dell’acqua della diga, le variazioni nell’afflusso hanno influenzato in modo significativo il livello dell’acqua della diga. In particolare, lo stesso cambiamento nel deflusso ha prodotto diversi livelli d’acqua in dighe distinte, affermando che il modello GRU aveva effettivamente appreso le sfumature operative uniche di ciascuna diga.
Il professor Jonghun Kam ha osservato: “Il nostro esame è andato oltre la previsione dei modelli di funzionamento delle dighe e la loro efficacia utilizzando modelli di intelligenza artificiale. Abbiamo introdotto una metodologia volta a comprendere indirettamente il processo decisionale del modello di scatola nera basato sull’intelligenza artificiale che determina i livelli dell’acqua della diga”. Ha inoltre affermato: “La nostra aspirazione è che questa intuizione contribuisca a una comprensione più profonda delle operazioni delle dighe e ne migliori l’efficienza in futuro”.
La ricerca è stata sponsorizzata dal programma di ricerca di metà carriera della National Research Foundation of Korea.
Da un’altra testata giornalistica. news de www.sciencedaily.com
