科技日报记者 何亮
过去40年，我国已建成和运营超500万公里的公路、铁路等交通工程，积累了海量数据，包括历史灾害数据与工程地质数据。如何从海量数据中精准识别灾害隐患点，是亟待解决的问题。在近日举办的第二十八届中国科协年会专题论坛上，中国科学院院士、中国矿业大学（北京）教授何满潮表示，面对极端气候条件下灾害频发的情况，传统方法已无法应对海量灾害数据的分析需求，必须借助人工智能实现从“被动抢险”到“主动防控”的战略转变。
何满潮介绍，在地质灾害识别上，2012年AI的准确率只有58.9%；到2014年提升到69.8%，与人类判断持平；如今已达到93%，远超人类水平。不过，AI也有它的局限性，严重依赖数据质量。如果数据错误或被污染，训练出的AI地质灾害模型就会“胡说八道”。为此，AI地质灾害模型的建构，须由知识推理模型、地灾专业知识模型、计算预测模型三块组成，通过三类模型的交叉学习，让AI学习历史灾害大数据和工程设计数据，在对比分析中精准识别交通网中的灾害点。
增强交通工程的安全韧性，除了“找得到”，还要“预报准”。一个交通工程的滑坡存在两个面，分别为地表面和地下移动面。针对这一特性，科学界对滑坡的预报演化为两条技术路线，分别是用位移监测系统监测地表位移、用牛顿力监测系统监测滑动面受力。两者各有千秋，都有广泛应用，但配合AI地质灾害大模型，滑坡牛顿力监测更精细。
“在滑坡运动发生前，牛顿力监测系统就能捕捉到前兆信号，具备精准预报的数学基础。从2022年至今，多个实践案例证明，一旦监测曲线出现突降，2到20小时内必然发生滑坡。”何满潮表示，人工智能大模型可以从交通工程大数据中找到地质灾害点，对每个地质灾害点进行牛顿力监测可给出滑坡预报，相关部门在此基础上可进行超前预警、超前加固、超前调控。
何满潮同时提醒，在交通工程特别是地质灾害防治领域，人工智能技术的应用必须要有风险判断，用历史数据交叉验证大模型的识别结果，靠有效性验证实现“心中有数”。
网友评论
