Κέρδη:
- Κατανόηση των χρήσεων της τεχνητής νοημοσύνης στη χαρτογράφηση επιδεκτικότητας κατολισθήσεων, τον σεισμικό κίνδυνο και την αξιολόγηση της ρευστοποίησης.
- Δυνατότητα δημιουργίας ροής εργασιών ταξινόμησης κινδύνου και έγκαιρης προειδοποίησης από πολυμεταβλητά δεδομένα κινδύνου
- Δυνατότητα επαλήθευσης των εξόδων κινδύνου με ευθύνη ασφάλειας ζωής, ισορροπία ψευδούς συναγερμού και αποδεικτικά στοιχεία πεδίου
Το αντικείμενο αυτής της ενότητας είναι ο πιο υπεύθυνος τομέας της γεωλογικής μηχανικής: εκτίμηση φυσικών καταστροφών και γεωλογικών κινδύνων. Το κόστος ενός λάθους εδώ δεν είναι χρήματα, αλλά ανθρώπινη ζωή. Εάν ένας χάρτης ευαισθησίας σε κατολισθήσεις δείχνει εσφαλμένα μια γειτονιά ως «ασφαλή», δεν λαμβάνεται καμία ενέργεια. Εάν μια αξιολόγηση υγροποίησης δεν διαβάσει σωστά το έδαφος κάτω από ένα νοσοκομείο, η κατασκευή θα μπορούσε να βυθιστεί κατά τη διάρκεια ενός σεισμού. Σε αυτό το πεδίο, η τεχνητή νοημοσύνη παράγει πραγματική αξία στην επεξεργασία πολυμεταβλητών δεδομένων, τη λήψη μοτίβων και το φιλτράρισμα των σημάτων έγκαιρης προειδοποίησης. Αλλά ακριβώς σε αυτόν τον τομέα η επαλήθευση πρέπει να είναι πιο αυστηρή, η έγκριση μηχανικού η πιο απόλυτη και η διαχείριση της αβεβαιότητας πιο ακριβής, επειδή το κόστος της εσφαλμένης παραγωγής είναι υψηλότερο.
Σε αυτή την ενότητα, θα εξετάσουμε τρεις τύπους κινδύνων μέσω του φακού της τεχνητής νοημοσύνης: χαρτογράφηση επιδεκτικότητας κατολισθήσεων (πρόβλεψη από πολυμεταβλητά δεδομένα ποιες πλαγιές κινδυνεύουν να ολισθήσουν), σεισμικός κίνδυνος (πιθανή ένταση σεισμικής κίνησης του εδάφους) και ρευστοποίηση (όταν η κορεσμένη χαλαρή άμμος χάνει την ικανότητά της σε σεισμό και λειτουργεί σαν σεισμός). Το κοινό μας θέμα είναι γιατί ένα ψευδώς αρνητικό στις εξόδους κινδύνου (ταξινόμηση μιας πραγματικά επικίνδυνης περιοχής ως ασφαλούς) είναι θανατηφόρο και πώς να θέσουμε κατώφλια υπέρ της ασφάλειας ζωής.
Ισοζύγιο ψευδώς αρνητικών και ψευδώς θετικών
Υπάρχουν δύο είδη σφαλμάτων στην ταξινόμηση κινδύνου. Ένα ψευδώς θετικό είναι ο χαρακτηρισμός μιας ασφαλούς περιοχής ως επικίνδυνης. Το αποτέλεσμα είναι περιττό κόστος, επιπλέον έλεγχος, ίσως καθυστέρηση ενός έργου — είναι στην ασφαλή πλευρά όσον αφορά τη ζωή. Ένα ψευδώς αρνητικό είναι ο χαρακτηρισμός μιας επικίνδυνης περιοχής ως ασφαλούς. Το αποτέλεσμα είναι η μη λήψη προφυλάξεων και πιθανή απώλεια ζωής/περιουσίας. Αυτά τα δύο σφάλματα δεν είναι ίσα. Σε περιοχές ασφάλειας ζωής, το όριο επιλέγεται προσεκτικά για να ελαχιστοποιηθούν τα ψευδώς αρνητικά. Δηλαδή, όταν υπάρχει αμφιβολία, κυλά στην επικίνδυνη πλευρά και επιβεβαιώνεται με επιβεβαίωση πεδίου.
Τα μοντέλα AI επιλέγουν γενικά όρια που θα μεγιστοποιήσουν τη συνολική ακρίβεια. Αλλά στην επιστήμη των κινδύνων, ο στόχος δεν είναι η απόλυτη ακρίβεια, αλλά η διατήρηση χαμηλών ψευδών αρνητικών. Επομένως, η έξοδος του μοντέλου θα πρέπει να είναι μια βαθμονομημένη πιθανότητα, όχι μια "κλάση" και το όριο θα πρέπει να ορίζεται από τον ειδικό σε θέματα κινδύνου, γνωρίζοντας τις συνέπειες. Η ακρίβεια 92% ενός μοντέλου κατολίσθησης είναι άχρηστη εάν χάσει τις μισές από τις πραγματικές κατολισθήσεις.
Προσοχή: Μην ξεγελιέστε από την υψηλή συνολική ακρίβεια ενός μοντέλου κινδύνου. Δείτε το ποσοστό αστοχίας (ψευδώς αρνητικό) για σπάνια αλλά θανατηφόρα γεγονότα (κατολισθήσεις, υγροποίηση). Το κριτήριο στην ασφάλεια της ζωής είναι να μην έχεις δίκιο κατά μέσο όρο, αλλά να μην χάνεις το επικίνδυνο.
Χαρτογράφηση ευαισθησίας κατολισθήσεων
Ευαισθησία στην κατολίσθηση, "αυτό το μέρος θα γλιστρήσει όταν πληρούνται όλες οι προϋποθέσεις;" απαντά στην ερώτηση με γεωλογικές και τοπογραφικές μεταβλητές. Οι εισροές είναι συνήθως: κλίση, όψη, λιθολογία, προσανατολισμός ασυνέχειας, χρήση γης, βροχόπτωση, ιστορικός κατάλογος κατολισθήσεων και υπόγεια ύδατα. Η τεχνητή νοημοσύνη συγχωνεύει αυτά τα στρώματα και παράγει έναν χάρτη ευαισθησίας μαθαίνοντας το μοτίβο γύρω από προηγούμενες κατολισθήσεις.
Υπάρχουν δύο κρίσιμα σημεία. Πρώτον, το μοντέλο μαθαίνει από τον προηγούμενο κατάλογο κατολισθήσεων. Εάν το απόθεμα είναι ελλιπές (πολλές κατολισθήσεις δεν καταγράφονται), το μοντέλο δεν μπορεί να δει καθόλου αυτά τα μοτίβα και παράγει ψευδώς αρνητικά. Δεύτερον, η ευαισθησία δεν δίνει το έναυσμα (πότε πρέπει να μετατοπιστεί) αλλά την ευαισθησία (που να μετατοπιστεί εάν προκύψουν οι συνθήκες). Είναι επικίνδυνο να συγχέουμε και τα δύο. Ο χάρτης δεν μπορεί να χρησιμοποιηθεί ως βάση για λήψη απόφασης χωρίς να επαληθευτεί από την παρατήρηση προεξοχής του γεωλόγου πεδίου, τη μέτρηση της ασυνέχειας και τα ίχνη κίνησης του παρελθόντος.
Σεισμικός κίνδυνος και ρευστοποίηση
Η εκτίμηση σεισμικού κινδύνου παρέχει μια πιθανολογική εκτίμηση της κίνησης του εδάφους (επιτάχυνση) που αναμένεται να ξεπεραστεί σε μια δεδομένη χρονική περίοδο σε μια τοποθεσία. Η τεχνητή νοημοσύνη βοηθά στην επεξεργασία βάσεων δεδομένων εγγραφών, στη σύγκριση των σχέσεων πρόβλεψης κίνησης εδάφους και στη δημιουργία σεναρίων. Ωστόσο, ο ορισμός των πηγών ρήγματος, τα διαστήματα υποτροπής και η ενίσχυση του εδάφους απαιτούν γεωλογική-σεισμολογική εμπειρογνωμοσύνη. το μοντέλο δεν μπορεί να τους χωρέσει.
Η αξιολόγηση υγροποίησης μετρά τον κίνδυνο κορεσμένης χαλαρής άμμου να χάσει τη φέρουσα ικανότητα της λόγω δόνησης σεισμού. Η κλασική μέθοδος είναι να συγκρίνουμε την τιμή SPT-N (ή CPT) με τον ρυθμό κύκλου τάσης που παράγεται από το σεισμό και να εξάγουμε έναν παράγοντα ασφάλειας. Η τεχνητή νοημοσύνη οργανώνει δεδομένα και σαρώνει γρήγορα για δυναμικό υγροποίησης σε πεδίο πολλών φρεατίων. αλλά το αποτέλεσμα επαληθεύεται με χειροκίνητο υπολογισμό χρησιμοποιώντας την τυπική μέθοδο (π.χ. τοπικός κωδικός σεισμού). Ένα ψευδώς αρνητικό εδώ σημαίνει ότι μια κατασκευή βυθίζεται στο έδαφος κατά τη διάρκεια ενός σεισμού.
Three Mini Cases: By the Numbers
Περίπτωση 1 — Καταγραφή αποθέματος που λείπει. Σε έναν χάρτη κατολίσθησης της κομητείας, το μοντέλο φαινόταν «καλό» με ακρίβεια 89%. αλλά ο γεωλόγος του πεδίου βρήκε τρεις παλιές ουλές κατολίσθησης (μη καταγεγραμμένες) σε μια πλαγιά κοιλάδας που ο χάρτης έδειξε ως ασφαλείς. Το μοντέλο δεν μπορούσε να μάθει αυτό το μοτίβο επειδή το απόθεμα ήταν ελλιπές. Όταν το απόθεμα ενημερώθηκε και ο χάρτης ανανεώθηκε, αυτή η κλίση άλλαξε σε υψηλή ευαισθησία. Η ακρίβεια 89% απέκρυψε την έλλειψη της πιο κρίσιμης περιοχής.
Περίπτωση 2 — Κατώφλι ρευστοποίησης. Σε μια τοποθεσία πλήρωσης παραλίας, το μοντέλο επισήμανε 6 από τις 42 γεωτρήσεις ως «κίνδυνο υγροποίησης» με το υψηλότερο μέσο όριο ακρίβειας. Όταν ο εμπειρογνώμονας μετέφερε το όριο στη συντηρητική πλευρά για να μειώσει τα ψευδώς αρνητικά, επισημάνθηκαν 11 βυθίσεις. Επιπλέον πέντε έχουν επιβεβαιωθεί ότι είναι πραγματικά επικίνδυνα με τον τυπικό υπολογισμό με το χέρι. Το συντηρητικό όριο έσωσε πέντε πιθανά ψευδώς αρνητικά. η αύξηση του κόστους ήταν αμελητέα σε σύγκριση με τον πιθανό κίνδυνο για τη ζωή.
Περίπτωση 3 — Σήμα έγκαιρης προειδοποίησης. Τα δεδομένα ραντάρ επεξεργασίας τεχνητής νοημοσύνης και αισθητήρα κλίσης σε κλίση ανοιχτού λάκκου επισήμαναν μια αργή επιτάχυνση στον ρυθμό παραμόρφωσης και σήμανε συναγερμό. Η ομάδα εκκένωσε την περιοχή. 40 ώρες αργότερα, σημειώθηκε μεγάλη κατολίσθηση στην πλαγιά, αλλά κανείς δεν τραυματίστηκε. Το μοντέλο δεν είπε την ακριβή ημέρα/ώρα. Έκανε ορατή την επιταχυνόμενη κίνηση και έδωσε χρόνο στην ανθρώπινη λήψη αποφάσεων.
Αδύναμη προτροπή / Ισχυρή προτροπή
Αδύναμη προτροπή:
Υπάρχει κίνδυνος κατολίσθησης σε αυτή την περιοχή; Κοιτάξτε τα δεδομένα και πείτε εάν είναι ασφαλή ή επικίνδυνα. [δεδομένα επιπέδου]
Ισχυρή προτροπή:
Ο ρόλος σας: Βοηθός γεωλόγου φυσικών κινδύνων. Δίνοντας την ΑΚΡΙΒΗ ετικέτα "ασφαλές/επικίνδυνο" με τις ακόλουθες μεταβλητές. Αντίθετα:1) Εξηγήστε τους παράγοντες που συμβάλλουν στο συναίσθημα και την κατεύθυνση του καθενός. 2) Καθιερώστε βαθμονομημένη λογική πιθανότητας αντί για τάξη. Δηλώστε γιατί το όριο για την ασφάλεια ζωής πρέπει να επιλέγεται προσεκτικά για να μειωθούν τα ψευδώς αρνητικά.3) Γράψτε πώς η έξοδος θα μπορούσε να είναι παραπλανητική εάν η ιστορική απογραφή κατολισθήσεων είναι ελλιπής.4) Καταγράψτε 4 σημεία που πρέπει να επιβεβαιωθούν στο πεδίο. Η τελική αξιολόγηση ανήκει στον εξουσιοδοτημένο μηχανικό. Τα δεδομένα είναι ανώνυμα.
Τέσσερα αντιγράψιμα πρότυπα
1) Αίτημα πιθανότητας αντί για κατηγορία κινδύνου:
Ερμηνεύστε την έξοδο του μοντέλου κινδύνου ως βαθμονομημένη πιθανότητα και όχι ως αιχμηρή κατηγορία. Συγκρίνετε τις συνέπειες των ψευδώς αρνητικών και ψευδώς θετικών σε αυτό το πεδίο και αιτιολογήστε με ποιον τρόπο πρέπει να μετατοπιστεί το όριο για την ασφάλεια της ζωής.
2) Έλεγχος έλλειψης αποθεμάτων:
Καταγράψτε τυχόν ενδείξεις ότι η απογραφή στην οποία εκπαιδεύεται το μοντέλο ευαισθησίας στις κατολισθήσεις μπορεί να είναι ελλιπής (έτος ρεκόρ, περιοχή που καλύπτεται, κενά δεδομένων). Σημειώστε σε ποιους τομείς αυτή η ανεπάρκεια θα αύξανε τον κίνδυνο ψευδώς αρνητικών.
3) Σκίτσο διαλογής υγροποίησης:
Για το δυναμικό ρευστοποίησης σε μια τοποθεσία πολλαπλών γεωτρήσεων: προτείνετε μια σάρωση των οποίων οι γεωτρήσεις περιέχουν κορεσμένη χαλαρή άμμο και απαιτούν αρχικό υπολογισμό με το χέρι. Προσδιορίστε ότι πρέπει να επαληθευτεί με την τυπική μέθοδο. μην δίνετε ακριβή συντελεστή ασφαλείας.
4) Ερμηνεία σήματος έγκαιρης προειδοποίησης:
Να συνοψίσει τις αλλαγές στην ταχύτητα και την επιτάχυνση στη σειρά παρακολούθησης παραμόρφωσης (κλίση/ραντάρ). Υπάρχει ανησυχητικό μοτίβο επιτάχυνσης; Δίνοντας μια ακριβή εκτίμηση χρόνου. Προσδιορίστε πότε/δεδομένα χρειάζονται για την ανθρώπινη κρίση.
Τύπος κινδύνου, ψευδώς αρνητικό και επαλήθευση
Κίνδυνος
συνεισφορά AI
Αποτέλεσμα ψευδώς αρνητικών
Υποχρεωτική επαλήθευση
ευαισθησία σε κατολισθήσεις
Σύντηξη στρωμάτων, μοτίβο
Θεωρώντας ότι η πλωτή περιοχή είναι ασφαλής
Πεδίο + τρέχον απόθεμα
σεισμικός κίνδυνος
Βάση δεδομένων/σενάριο
Υποεκτίμηση της κίνησης του εδάφους
Σεισμολόγος + πρότυπο
ρευστοποίηση
Σάρωση πολλαπλών φρεατίων
Κτήριο βυθίζεται στο έδαφος
Υπολογισμός χειρός SPT/CPT + ρύθμιση
έγκαιρη προειδοποίηση κλίσης
Φιλτράρισμα σήματος ανίχνευσης
καθυστέρηση της εκσπερμάτωσης
Ανθρώπινη κρίση + επιβεβαίωση πεδίου
Συμβουλή: Ελέγχετε πάντα την έξοδο κινδύνου με την ερώτηση "Θεωρείται ψευδής συναγερμός ή απώλεια;" Διαβάστε με την ερώτηση. Σε ό,τι αφορά την ασφάλεια της ζωής, είναι πολύ πιο αποδεκτό να αντέχετε μερικούς ψευδείς συναγερμούς από έναν μόνο χαμένο κίνδυνο.
Συνήθη λάθη
- Το να εξαπατηθούμε από τη γενική αλήθεια. Η υψηλή ακρίβεια μπορεί να χάσει σπάνια θανατηφόρα συμβάντα. Η πραγματική μέτρηση είναι το ψευδώς αρνητικό ποσοστό.
- Αφήνοντας το κατώφλι στο μοντέλο. Το όριο ασφάλειας ζωής ορίζεται προσεκτικά από τον ειδικό που γνωρίζει τις συνέπειες. όχι ένα αυτόματο «καλύτερο» όριο.
- Αγνοώντας το απόθεμα που λείπει. Το μοντέλο δεν μπορεί να δει το μοτίβο που δεν έχει μάθει. Εάν λείπει το απόθεμα, ο χάρτης θα ξεγελάσει την ασφαλή πλευρά.
- Μπερδεμένη προδιάθεση με το έναυσμα. Η ευαισθησία είναι ζήτημα «πού», το έναυσμα είναι ζήτημα «πότε». Και τα δύο απαιτούν ξεχωριστή επαλήθευση.
- Λάθος μια έγκαιρη προειδοποίηση ως οριστική προφητεία. Το σύστημα εξοικονομεί χρόνο. Η απόφαση και η ευθύνη για την εκκένωση ανήκει στο άτομο.
Συνοπτικά
- Ο φυσικός κίνδυνος είναι ο βαρύτερος τομέας ευθύνης της γεωλογικής μηχανικής. Το κόστος της λανθασμένης παραγωγής μπορεί να είναι ζωή.
- Το ψευδώς αρνητικό (παρερμηνεύοντας το επικίνδυνο με το ασφαλές) είναι πολύ πιο σοβαρό από το ψευδώς θετικό. Το κατώφλι επιλέγεται προσεκτικά, υπέρ της ζωής.
- Η γενική ακρίβεια είναι παραπλανητική. Το κριτήριο είναι το ποσοστό χαμένων σπάνιων θανατηφόρων συμβάντων. Η έξοδος πρέπει να είναι βαθμονομημένη πιθανότητα, όχι κλάση.
- Το μοντέλο κατολίσθησης δεν μπορεί να μάθει από την ελλιπή απογραφή. Κάθε χάρτης κινδύνου επαληθεύεται με επιτόπια επαλήθευση και επαλήθευση ειδικού.
- Η έγκαιρη προειδοποίηση εξοικονομεί χρόνο αλλά δεν είναι προφητεία. Η απόφαση εκκένωσης και λήψης προφυλάξεων ανήκει στον εξουσιοδοτημένο μηχανικό και υπάλληλο.
Εργασία εφαρμογής
Ανακτήστε ένα ανώνυμο σενάριο κινδύνου (στρώματα κατολίσθησης ή γεωτρήσεις υγροποίησης, αντιπροσωπευτικά δεδομένα). Φροντίστε το μοντέλο να μην δίνει σκληρές ετικέτες και κάντε το να συζητήσει το ψευδώς αρνητικό/θετικό ισοζύγιο με το πρότυπο "ζητήστε πιθανότητες αντί για κατηγορία κινδύνου". Στη συνέχεια, χρησιμοποιήστε το πρότυπο "έλεγχος έλλειψης αποθέματος" για να μάθετε πού η εκτύπωση μπορεί να είναι παραπλανητική και σημειώστε μια λίστα με τρία σημεία που απαιτούν επιτόπια επαλήθευση.
λίστα ελέγχου
- [ ] Κατάλαβα τη διαφορά μεταξύ ψευδώς αρνητικών και ψευδώς θετικών και τη σημασία της για την ασφάλεια της ζωής.
- [ ] Αξιολογώ την παραγωγή κινδύνου με βάση το ποσοστό αστοχίας και όχι με τη συνολική ακρίβεια.
- [ ] Πιστεύω ότι το όριο πρέπει να τεθεί από έναν ειδικό προσεκτικά και υπέρ της ζωής.
- [ ] Κατανοώ ότι το μοντέλο κατολίσθησης δεν μπορεί να μάθει από την ελλιπή απογραφή και απαιτεί επιβεβαίωση πεδίου.
- [ ] Χρησιμοποιώ το σύστημα έγκαιρης προειδοποίησης όχι ως προφητεία, αλλά ως εργαλείο που εξοικονομεί χρόνο για ανθρώπινες αποφάσεις.