Keuntungan:
- Fahami penggunaan AI dalam pemetaan kerentanan tanah runtuh, bahaya seismik dan penilaian pencairan.
- Keupayaan untuk mencipta klasifikasi risiko dan aliran kerja amaran awal daripada data bahaya pelbagai variasi
- Keupayaan untuk mengesahkan output bahaya dengan liabiliti keselamatan nyawa, baki penggera palsu dan bukti lapangan
Subjek unit ini ialah bidang kejuruteraan geologi yang paling bertanggungjawab: bencana alam dan penilaian bahaya geologi. Kos kesilapan di sini bukan wang, tetapi nyawa manusia. Jika peta kerentanan tanah runtuh secara tidak betul menunjukkan kejiranan sebagai "selamat", tiada tindakan diambil; Jika penilaian pencairan salah membaca tanah di bawah hospital, struktur itu boleh tenggelam semasa gempa bumi. Dalam bidang ini, kecerdasan buatan menghasilkan nilai sebenar dalam memproses data berbilang variasi, menangkap corak dan menapis isyarat amaran awal. Tetapi tepat dalam bidang ini pengesahan mestilah paling ketat, kelulusan jurutera paling mutlak, dan pengurusan ketidakpastian paling tepat, kerana kos output yang salah adalah yang paling tinggi.
Dalam unit ini, kami akan mempertimbangkan tiga jenis bahaya melalui lensa kecerdasan buatan: pemetaan kerentanan tanah runtuh (meramal daripada data multivariat yang mana cerun berisiko gelongsor), bahaya seismik (kemungkinan intensiti pergerakan tanah gempa bumi), dan pencairan (apabila pasir lepas tepu bertindak seperti cecair semasa gempa bumi dan kehilangan kapasitinya). Tema umum kami ialah mengapa negatif palsu pada keluaran bahaya (mengklasifikasikan kawasan yang sebenarnya berbahaya sebagai selamat) boleh membawa maut dan cara menetapkan ambang yang memihak kepada keselamatan nyawa.
Imbangan Negatif Palsu dan Positif Palsu
Terdapat dua jenis ralat dalam pengelasan bahaya. Positif palsu mengklasifikasikan kawasan selamat sebagai berbahaya; Hasilnya ialah kos yang tidak perlu, penelitian tambahan, mungkin melambatkan projek — ia berada di sisi selamat dari segi kehidupan. Negatif palsu mengklasifikasikan kawasan berbahaya sebagai selamat; Akibatnya adalah kegagalan untuk mengambil langkah berjaga-jaga dan kemungkinan kehilangan nyawa/harta benda. Kedua-dua kesilapan ini tidak sama. Dalam kawasan keselamatan hidup, ambang dipilih dengan berhati-hati untuk meminimumkan negatif palsu; Iaitu, apabila ragu-ragu, ia bergolek ke bahagian berbahaya dan disahkan oleh pengesahan lapangan.
Model AI biasanya memilih ambang yang akan memaksimumkan ketepatan keseluruhan. Tetapi dalam sains bahaya, matlamatnya bukanlah ketepatan sepenuhnya tetapi mengekalkan negatif palsu rendah. Oleh itu, output model haruslah kebarangkalian yang ditentukur, bukan "kelas", dan ambang harus ditetapkan oleh pakar bahaya, mengetahui akibatnya. Ketepatan 92% model tanah runtuh adalah tidak bernilai jika ia terlepas separuh daripada tanah runtuh sebenar.
Awas: Jangan tertipu dengan ketepatan keseluruhan model bahaya yang tinggi. Lihat kadar kehilangan (negatif palsu) untuk kejadian yang jarang berlaku tetapi boleh membawa maut (tanah runtuh, pencairan). Kriteria dalam keselamatan hidup adalah tidak betul secara purata, tetapi jangan terlepas yang berbahaya.
Pemetaan Kecenderungan Tanah Runtuh
Kecenderungan tanah runtuh, "adakah tempat ini akan menggelongsor apabila semua syarat dipenuhi?" menjawab soalan dengan pembolehubah geologi dan topografi. Input biasanya: cerun, aspek, litologi, orientasi ketakselanjaran, guna tanah, kerpasan, inventori tanah runtuh sejarah dan air bawah tanah. Kecerdasan buatan menggabungkan lapisan ini dan menghasilkan peta kerentanan dengan mempelajari corak sekitar tanah runtuh yang lalu.
Terdapat dua titik kritikal. Pertama, model belajar daripada inventori tanah runtuh yang lalu; Jika inventori tidak lengkap (banyak tanah runtuh tidak direkodkan) model tidak dapat melihat corak tersebut sama sekali dan menghasilkan negatif palsu. Kedua, kepekaan tidak memberikan pencetus (bila untuk beralih) tetapi kecenderungan (di mana untuk beralih jika keadaan timbul); Ia berbahaya untuk mengelirukan kedua-duanya. Peta tidak boleh digunakan sebagai asas untuk membuat keputusan tanpa disahkan oleh pemerhatian singkapan ahli geologi lapangan, pengukuran ketakselanjaran dan kesan pergerakan lampau.
Bahaya Seismik dan Pencairan
Penilaian bahaya seismik menyediakan anggaran kebarangkalian pergerakan tanah (pecutan) yang dijangka akan melebihi dalam tempoh masa tertentu di tapak. Kecerdasan buatan membantu dalam memproses pangkalan data rekod, membandingkan perhubungan ramalan gerakan tanah dan menjana senario. Walau bagaimanapun, takrifan sumber sesar, selang ulangan dan penguatan tanah memerlukan kepakaran geologi-seismologi; model tidak sesuai dengan mereka.
Penilaian pencairan mengukur risiko pasir lepas tepu kehilangan kapasiti galasnya melalui getaran gempa bumi. Kaedah klasik adalah membandingkan nilai SPT-N (atau CPT) dengan kadar kitaran voltan yang dihasilkan oleh gempa bumi dan memperoleh faktor keselamatan. AI mengatur data dan mengimbas dengan cepat untuk potensi pencairan dalam medan berbilang perigi; tetapi hasilnya disahkan melalui pengiraan tangan menggunakan kaedah standard (cth. kod gempa bumi tempatan). Negatif palsu di sini bermaksud struktur tenggelam ke dalam tanah semasa gempa bumi.
Tiga Kes Mini: Mengikut Nombor
Kes 1 — Menangkap inventori yang hilang. Pada peta tanah runtuh daerah, model itu kelihatan "baik" dengan ketepatan 89%; tetapi ahli geologi lapangan menemui tiga parut tanah runtuh lama (tidak direkodkan) di cerun lembah yang ditunjukkan oleh peta sebagai selamat. Model tidak dapat mempelajari corak ini kerana inventori tidak lengkap. Apabila inventori dikemas kini dan peta diperbaharui, cerun itu bertukar kepada sensitiviti tinggi. Ketepatan 89% menyembunyikan kehilangan kawasan paling kritikal.
Kes 2 — Ambang pencairan. Di tapak pengisian pantai, model itu menandakan 6 daripada 42 penggerudian sebagai "risiko pencairan" dengan ambang ketepatan purata tertinggi. Apabila pakar mengalihkan ambang ke bahagian konservatif untuk mengurangkan negatif palsu, 11 bunyi telah ditandai; Lima tambahan telah disahkan benar-benar berisiko dengan pengiraan tangan standard. Ambang konservatif menyelamatkan lima kemungkinan negatif palsu; peningkatan kos adalah diabaikan berbanding dengan potensi risiko kepada nyawa.
Kes 3 — Isyarat amaran awal. Radar pemprosesan kecerdasan buatan dan data sensor cerun pada cerun lubang terbuka menandakan pecutan perlahan dalam kadar ubah bentuk dan menimbulkan penggera. Pasukan itu mengosongkan kawasan itu; 40 jam kemudian, gelongsor besar berlaku di cerun, tetapi tiada siapa yang cedera. Model tidak menyatakan hari/masa yang tepat; Ia menjadikan pergerakan yang semakin pantas kelihatan dan memberi masa kepada manusia membuat keputusan.
Gesaan Lemah / Gesaan Kuat
Gesaan yang lemah:
Adakah terdapat risiko tanah runtuh di rantau ini? Lihat data dan beritahu sama ada ia selamat atau berbahaya.[data lapisan]
Gesaan kuat:
Peranan anda: Penolong ahli geologi bahaya semula jadi. Memberi label "selamat/berbahaya" TEPAT dengan pembolehubah berikut. Sebaliknya:1) Jelaskan faktor yang menyumbang kepada sentimen dan hala tuju setiap satu.2) Wujudkan logik kebarangkalian yang ditentukur dan bukannya kelas; Nyatakan mengapa ambang untuk keselamatan nyawa harus dipilih dengan berhati-hati untuk mengurangkan negatif palsu.3) Tulis bagaimana output boleh mengelirukan jika inventori tanah runtuh sejarah tidak lengkap.4) Senaraikan 4 perkara yang perlu disahkan di lapangan.Penilaian akhir adalah milik jurutera yang diberi kuasa. Data adalah tanpa nama.
Empat Templat Boleh Disalin
1) Meminta kebarangkalian dan bukannya kelas bahaya:
Tafsirkan output model bahaya sebagai kebarangkalian yang ditentukur dan bukannya kelas yang tajam. Bandingkan akibat negatif palsu dan positif palsu dalam bidang ini dan justifikasikan ke arah mana ambang harus dianjak untuk keselamatan nyawa.
2) Audit kekurangan inventori:
Senaraikan sebarang tanda bahawa inventori di mana model kerentanan tanah runtuh dilatih mungkin tidak lengkap (rekod tahun, kawasan diliputi, jurang data). Tandakan di bahagian mana kekurangan ini akan meningkatkan risiko negatif palsu.
3) Lakaran saringan pencairan:
Untuk potensi pencairan di tapak berbilang gerudi: cadangkan penyaringan yang mana lubang gerudi mengandungi pasir gembur tepu dan memerlukan pengiraan tangan primer. Tentukan bahawa ia mesti disahkan dengan kaedah standard; tidak memberikan pekali keselamatan yang tepat.
4) Tafsiran isyarat amaran awal:
Untuk meringkaskan perubahan dalam kelajuan dan pecutan dalam siri pemantauan ubah bentuk (cerun/radar); Adakah terdapat corak pecutan yang membimbangkan? Memberi anggaran masa yang tepat; Nyatakan bila/data diperlukan untuk pertimbangan manusia.
Jenis Bahaya, Negatif Palsu dan Pengesahan
bahaya
Sumbangan AI
Hasil negatif palsu
Pengesahan mandatori
kerentanan tanah runtuh
Gabungan lapisan, corak
Berfikir kawasan terapung itu selamat
Medan + inventori semasa
bahaya seismik
Pangkalan data/senario
Meremehkan pergerakan tanah
Pakar seismologi + standard
pencairan
Pengimbasan berbilang telaga
Bangunan tenggelam ke dalam tanah
Pengiraan tangan SPT/CPT + peraturan
amaran awal cerun
Jejak penapisan isyarat
melambatkan ejakulasi
Penghakiman manusia + pengesahan medan
Petua: Sentiasa semak output kecemasan dengan soalan "Adakah ia dianggap sebagai penggera palsu atau kehilangan?" Baca dengan soalan. Dalam keselamatan hidup, adalah lebih boleh diterima untuk menanggung beberapa penggera palsu daripada satu bahaya yang terlepas.
Kesilapan biasa
- Terpedaya dengan kebenaran umum. Ketepatan tinggi mungkin terlepas kejadian maut yang jarang berlaku; Metrik sebenar ialah kadar negatif palsu.
- Meninggalkan ambang kepada model. Ambang keselamatan nyawa ditetapkan dengan berhati-hati oleh pakar yang mengetahui akibatnya; bukan ambang "terbaik" automatik.
- Mengabaikan inventori yang hilang. Model tidak dapat melihat corak yang tidak dipelajari; Jika inventori tiada, peta akan menipu bahagian selamat.
- Kecenderungan mengelirukan dengan pencetus. Sensitiviti ialah persoalan "di mana", pencetusnya ialah persoalan "bila"; Kedua-duanya memerlukan pengesahan berasingan.
- Menganggap amaran awal sebagai nubuatan yang pasti. Sistem menjimatkan masa; Keputusan dan tanggungjawab untuk berpindah adalah milik orang itu.
Secara ringkasnya
- Bahaya semula jadi adalah bidang tanggungjawab kejuruteraan geologi yang paling berat; Kos pengeluaran yang salah boleh menjadi hayat.
- Negatif palsu (tersilap berbahaya untuk selamat) adalah lebih serius daripada positif palsu; Ambang dipilih dengan berhati-hati, memihak kepada kehidupan.
- Ketepatan am mengelirukan; Kriterianya ialah kadar kehilangan kejadian maut yang jarang berlaku; Output harus ditentukur kebarangkalian, bukan kelas.
- Model tanah runtuh tidak boleh belajar daripada inventori yang tidak lengkap; Setiap peta bahaya disahkan oleh lapangan dan pengesahan pakar.
- Amaran awal menjimatkan masa tetapi bukan ramalan; Keputusan untuk berpindah dan mengambil langkah berjaga-jaga adalah milik jurutera dan pegawai yang diberi kuasa.
Tugasan permohonan
Dapatkan semula senario bahaya tanpa nama (lapisan tanah runtuh atau lubang gerudi cair; data perwakilan). Jauhkan model daripada memberikan label yang keras dan buat ia membincangkan baki negatif/positif palsu dengan templat "minta kebarangkalian dan bukannya kelas bahaya". Kemudian gunakan templat "audit kekurangan inventori" untuk mengetahui di mana cetakan mungkin mengelirukan dan tulis senarai tiga perkara yang memerlukan pengesahan medan.
senarai semak
- [ ] Saya memahami perbezaan antara negatif palsu dan positif palsu dan kepentingannya dalam keselamatan hidup.
- [ ] Saya menilai keluaran bahaya mengikut kadar kesilapan dan bukannya ketepatan keseluruhan.
- [ ] Saya percaya bahawa ambang harus ditetapkan oleh pakar dengan berhati-hati dan memihak kepada kehidupan.
- [ ] Saya faham bahawa model tanah runtuh tidak boleh belajar daripada inventori yang tidak lengkap dan memerlukan pengesahan medan.
- [ ] Saya menggunakan sistem amaran awal bukan sebagai ramalan, tetapi sebagai alat yang menjimatkan masa untuk keputusan manusia.