سیل شایع ترین نوع بلایای طبیعی است که سالانه بیش از 250 میلیون نفر را در سراسر جهان تحت تأثیر قرار می دهد و حدود 10 میلیارد دلار خسارت اقتصادی به بار می آورد. به عنوان بخشی از تلاش‌های ما برای پیشبرد هوش مصنوعی برای مقابله با بحران آب و هوا و کمک به جوامع آسیب‌دیده، Google Research مدل‌های پیشگامانه هوش مصنوعی جهانی را برای پیش‌بینی سیل‌ها توسعه داده است. سیستم ما دو مدل هوش مصنوعی را ترکیب می‌کند که منابع داده‌های مختلف در دسترس عموم را پردازش می‌کند: مدل هیدرولوژیک میزان آب جاری در رودخانه را پیش‌بینی می‌کند و مدل غرقابی، پیش‌بینی می‌کند که چه مناطقی تحت تأثیر قرار می‌گیرند و عمق آب چقدر خواهد بود. به این ترتیب، ما می‌توانیم تا ۷ روز قبل از وقوع فاجعه، مردم را در مناطقی که قرار است تحت تأثیر قرار بگیرند، آگاه کنیم. امیدواریم با هشدار قبلی به سازمان‌ها و مردم، آنها را توانمند کنیم تا آسیب‌ها و تلفات جانی را محدود کنند. ما از نزدیک با دولت ها، سازمان ملل و سازمان های غیردولتی همکاری می کنیم تا هشدارهای سیل را اجرا و توزیع کنیم. فناوری ما مقیاس پذیر است و امروزه 80 کشور را پوشش می دهد. در آینده ما آرزو داریم که تمام مناطق تحت تأثیر سیل را در سطح جهان پوشش دهیم.

انواع مدل های شبیه ساز

مدل های شبیه سازی به دو گروه اصلی تقسیم می شوند: مدل های فیزیکی و مدل های ریاضی. مدل فیزیکی، یک ارائه فیزیکی از دنیای واقعی است به نحوی که در ساختار، ساده تر ولی خصوصیاتی مشابه با دنیای واقعی دارد. یک مثال از مدل های فیزیکی حوضه های آبخیز، شبیه سازهای باران و حوضه های آزمایشگاهی است. مدل ریاضی (حاوی) یک نگرش یا برداشت ذهنی از دنیای واقعی است که خصوصیات مهم ساختاری واقعیت را حفظ می کند. از آنجا که مدل های فیزیکی در اصل تغییرناپذیرند، در مقایسه با مدل های ریاضی از انعطاف کم تری برخوردارند. مدل های ریاضی اغلب توسط کامپیوتر اجرا می شوند و مدل های کامپیوتری نامیده می شوند. بیش تر مدل های کامپیوتری در سه دهه اخیر توسعه یافته اند. ساخت مدل های فیزیکی حوضه ها گران است و از کارایی محدودی برخوردارند. در حالی که مدل های ریاضی به آسانی در دسترس قرار می گیرند، از نظر تغییر ورودی ها به راحتی انعطاف پذیرند و نسبتا گران نیستند. بنابراین عجیب نیست که مدل های ریاضی برای حل مسایل حوضه ها بیش تر مورد استفاده قرار گیرد.

به طور کلی قبل از شروع تهیه مدل ریاضی کیفی آب های زیرزمینی، ابتدا باید هدف از تهیه مدل مشخص شود. به خصوص آن که پس از تهیه مدل، چگونه می توان از این مدل جهت مدیریت کیفی آبخوان استفاده کرد. بنابراین اولین گام در فرآیند مدل سازی، تعریف اهداف و در پی آن تهیه مطالعات پایه کیفیت آبخوان مورد نظر می باشد. مهم ترین کمکی که شناخت اهداف می تواند در روند مدل سازی ارائه کند، در نظر گرفتن جزییات و دقت کار بوده و این که با چه درجه از دقت، مدلسازی باید انجام گیرد. مثلا داده های مورد نیاز، شبکه بندی منطقه و انتخاب روش مناسب حل معادلات و یا مدل مناسب برای منطقه، کاملا متاثر از اهداف مدل می باشند.

در گام دوم با توجه به این که پیش نیاز مدل کیفی آبخوان، تهیه مدل کمی و یا مدل ریاضی جریان در آب های زیرزمینی می باشد، لذا در این گام، مدل کمی باید تهیه شود. این مدل به عنوان منبعی از اطلاعات مورد نیاز در مدل کیفی مانند سرعت جریان و داده های بیلان آب در هر یک از گره های مدل عمل می کند. به همین جهت مدل و همچنین گزارش فنی مدل ریاضی جریان باید با دقت کامل تهیه شده و در دسترس باشد تا بتوان از آن به سهولت در روند تهیه مدل کیفی استفاده کرد.