AI สามารถกำหนดมาตรฐานใหม่สำหรับการออกแบบอาคารที่ต้านพายุเฮอริเคนได้

ความสามารถในการต้านทานลมพายุเฮอริเคนเป็นกุญแจสำคัญในการมีชีวิตที่ยืนยาวสำหรับอาคารหลายแห่งบนชายฝั่งทะเลตะวันออกและชายฝั่งอ่าวของสหรัฐอเมริกา การกำหนดระดับลมที่เหมาะสมสำหรับการออกแบบนั้นเป็นเรื่องยากสำหรับธุรกิจ แต่การสนับสนุนจากปัญญาประดิษฐ์อาจให้ความเรียบง่าย สารละลาย.ด้วยข้อมูลพายุเฮอริเคนกว่า 100 ปีและเทคนิค AI สมัยใหม่ นักวิจัยจากสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) ได้คิดค้นวิธีการใหม่ในการจำลองพายุเฮอริเคนแบบดิจิทัล ผลการศึกษาที่ตีพิมพ์ในวันนี้ในปัญญาประดิษฐ์สำหรับระบบโลกแสดงให้เห็นว่าการจำลองสามารถแสดงถึงวิถีและความเร็วลมของกลุ่มพายุที่เกิดขึ้นจริงได้อย่างแม่นยำ ผู้เขียนแนะนำว่าการจำลองพายุเฮอริเคนที่เหมือนจริงจำนวนมากด้วยแนวทางใหม่สามารถช่วยพัฒนาแนวทางที่ดีขึ้นสำหรับการออกแบบอาคารในพื้นที่ที่เกิดพายุเฮอริเคนได้ พายุเฮอร์ริเคน กฎหมายของรัฐและท้องถิ่นที่ควบคุมการออกแบบและการก่อสร้างอาคาร หรือที่รู้จักกันทั่วไปว่าเป็นรหัสอาคาร ชี้ให้เห็นถึงการออกแบบแผนที่มาตรฐาน บนแผนที่เหล่านี้ วิศวกรสามารถค้นหาระดับของลมที่โครงสร้างของพวกเขาต้องรับมือโดยอิงตามตำแหน่งที่ตั้งและความสำคัญที่สัมพันธ์กัน (กล่าวคือ แถบสำหรับโรงพยาบาลจะสูงกว่าสำหรับสถานที่จัดเก็บเอง) ความเร็วลมในแผนที่ได้มาจากคะแนนของพายุเฮอริเคนสมมุติที่จำลองโดยแบบจำลองคอมพิวเตอร์ ซึ่งอ้างอิงจากบันทึกของพายุเฮอริเคนในชีวิตจริง "ลองนึกภาพว่าคุณมีโลกใบที่สองหรือโลกหนึ่งพันใบ ที่คุณสามารถสังเกตพายุเฮอริเคนเป็นเวลา 100 ปี และดูว่าพวกมันกระทบชายฝั่งที่ไหน รุนแรงแค่ไหน พายุจำลองเหล่านั้น ถ้าพวกมันมีพฤติกรรมเหมือนเฮอริเคนจริง ก็สามารถนำมาใช้เพื่อ สร้างข้อมูลในแผนที่เกือบจะโดยตรง” Adam Pintar นักสถิติทางคณิตศาสตร์ของ NIST ผู้ร่วมวิจัยกล่าว นักวิจัยผู้พัฒนาแผนที่ล่าสุดทำได้โดยการจำลองการทำงานภายในที่ซับซ้อนของพายุเฮอริเคน ซึ่งได้รับอิทธิพลจากพารามิเตอร์ทางกายภาพ เช่น อุณหภูมิพื้นผิวน้ำทะเล และความขรุขระของพื้นผิวโลก อย่างไรก็ตาม ข้อมูลที่จำเป็นเกี่ยวกับปัจจัยเฉพาะเหล่านี้ไม่พร้อมใช้งานเสมอไป กว่าทศวรรษต่อมา ความก้าวหน้าในเครื่องมือที่ใช้ AI และบันทึกพายุเฮอริเคนเพิ่มเติมอีกหลายปีทำให้แนวทางที่ไม่เคยมีมาก่อนเป็นไปได้ ซึ่งอาจส่งผลให้แผนที่ลมพายุเฮอริเคนที่สมจริงมากขึ้นตามท้องถนน Rikhi Bose นักวิจัยหลังปริญญาเอกของ NIST ร่วมกับ Pintar และ Emil Simiu Fellow ของ NIST ได้ใช้เทคนิคและทรัพยากรใหม่ๆ เหล่านี้เพื่อจัดการกับปัญหาจากมุมที่ต่างออกไป แทนที่จะให้แบบจำลองของพวกเขาสร้างพายุจากพื้นฐานทางคณิตศาสตร์ ผู้เขียนการศึกษาใหม่สอนให้เลียนแบบข้อมูลพายุเฮอริเคนจริงด้วยการเรียนรู้ของเครื่อง Pintar กล่าว