Google Research publica IA hidrológica de código abierto para la predicción de inundaciones
Google/DeepMind
La división de investigación de Google ha publicado como código abierto su modelo de IA hidrológica para predecir inundaciones fluviales. El paquete de Python con PyTorch permite a los servicios meteorológicos integrar algoritmos de vanguardia utilizando datos locales e incluye dos versiones del modelo: la base (2024) y una nueva que amplía el horizonte de predicción a 6 días para cuencas calibradas. El código se publica en GitHub bajo la licencia Apache 2.0.
Google Research ha anunciado la publicación del código fuente de su modelo hidrológico de aprendizaje automático para la predicción de inundaciones fluviales. El paquete desarrollado en Python utiliza la biblioteca PyTorch y reproduce la arquitectura de los modelos Flood Hub, lo que permite a los servicios meteorológicos e hidrológicos nacionales entrenar y ajustar sistemas de predicción con sus propios datos. El código incluye dos versiones del modelo: la versión original del trabajo de 2024 y una versión actualizada que se utiliza actualmente en la predicción global de Flood Hub. Las pruebas han demostrado que el nuevo modelo amplía el pronóstico fiable en seis días para cuencas calibradas y en un día para cuencas no calibradas en comparación con el anterior. Los datos de entrada incluyen características geográficas (clima, suelos, relieve, vegetación) y pronósticos meteorológicos (precipitaciones, temperatura), y la salida son los caudales diarios de los ríos. El desarrollo se ha llevado a cabo con la participación del Instituto Hidrometeorológico Checo (CHMI), que ha integrado el modelo en la plataforma Delft-FEWS. El repositorio está disponible en GitHub bajo la licencia Apache 2.0 e incluye cuadernos de aprendizaje y videotutoriales. Google destaca que el modelo abierto permitirá a científicos y servicios añadir sus propios datos, incluidos conocimientos locales tradicionales, y adaptar la inteligencia artificial a cuencas hidrográficas locales sin necesidad de una infraestructura tradicional costosa.
Fuente: Google Research —
original
