Winst:
- Begrijp het gebruik van AI bij het in kaart brengen van de gevoeligheid voor aardverschuivingen, het beoordelen van seismische gevaren en het beoordelen van vloeibaarmaking.
- Mogelijkheid om risicoclassificatie en vroegtijdige waarschuwingsworkflow te creëren op basis van multivariate gevarengegevens
- Mogelijkheid om gevarenuitgangen te verifiëren met aansprakelijkheid voor levensveiligheid, vals alarm en veldbewijs
Het onderwerp van deze unit is het meest verantwoordelijke gebied van de geologische techniek: natuurrampen en geologische risicobeoordeling. De kosten van een fout zijn hier niet geld, maar mensenlevens. Als een aardverschuivingsgevoeligheidskaart een buurt ten onrechte als ‘veilig’ weergeeft, wordt er geen actie ondernomen; Als bij een beoordeling van de vloeibaarmaking de grond onder een ziekenhuis verkeerd wordt geïnterpreteerd, kan het bouwwerk tijdens een aardbeving zinken. Op dit gebied produceert kunstmatige intelligentie echte waarde bij het verwerken van multivariate gegevens, het vastleggen van patronen en het filteren van vroege waarschuwingssignalen. Maar juist op dit gebied moet de verificatie het strengst zijn, de goedkeuring van de ingenieur het meest absoluut en het beheer van de onzekerheid het nauwkeurigst, omdat de kosten van onjuiste output het hoogst zijn.
In dit onderdeel zullen we drie soorten gevaren bekijken door de lens van kunstmatige intelligentie: het in kaart brengen van de gevoeligheid voor aardverschuivingen (op basis van multivariate gegevens voorspellen welke hellingen het risico lopen te gaan glijden), seismisch gevaar (mogelijke intensiteit van grondbeweging door aardbevingen) en liquefactie (wanneer verzadigd los zand zich tijdens een aardbeving als een vloeistof gedraagt en zijn draagvermogen verliest). Ons gemeenschappelijke thema is waarom een vals-negatief op de output van gevaren (het classificeren van een feitelijk gevaarlijk gebied als veilig) dodelijk is en hoe we drempels kunnen stellen ten gunste van de levensveiligheid.
Evenwicht tussen valse negatieven en valse positieven
Er zijn twee soorten fouten bij de gevarenclassificatie. Een vals-positief classificeert een veilig gebied als gevaarlijk; Het resultaat is onnodige kosten, extra controle, misschien vertraging van een project – het is aan de veilige kant als het om de levensduur gaat. Een vals-negatief classificeert een gevaarlijk gebied als veilig; Het resultaat is het niet nemen van voorzorgsmaatregelen en mogelijk verlies van mensenlevens/eigendommen. Deze twee fouten zijn niet gelijk. Op het gebied van levensveiligheid wordt de drempel voorzichtig gekozen om valse negatieven tot een minimum te beperken; Dat wil zeggen dat het bij twijfel naar de gevaarlijke kant rolt en wordt bevestigd door veldbevestiging.
AI-modellen kiezen over het algemeen drempels die de algehele nauwkeurigheid maximaliseren. Maar in de gevarenwetenschap is het doel niet totale nauwkeurigheid, maar het laag houden van valse negatieven. Daarom moet de output van het model een gekalibreerde waarschijnlijkheid zijn, en geen "klasse", en moet de drempel worden vastgesteld door de gevarendeskundige, die de gevolgen kent. De nauwkeurigheid van 92% van een aardverschuivingsmodel is waardeloos als het de helft van de werkelijke aardverschuivingen mist.
Let op: Laat u niet misleiden door de hoge algehele nauwkeurigheid van een gevarenmodel. Kijk naar het aantal missers (fout-negatief) voor zeldzame maar dodelijke gebeurtenissen (aardverschuivingen, vloeibaarmaking). Het criterium bij levensveiligheid is niet om gemiddeld gelijk te hebben, maar om het gevaarlijke niet te missen.
Gevoeligheid voor aardverschuivingen in kaart gebracht
Gevoeligheid voor aardverschuivingen: "zal deze plek wegglijden als aan alle voorwaarden is voldaan?" beantwoordt de vraag met geologische en topografische variabelen. Inputs zijn doorgaans: helling, aspect, lithologie, discontinuïteitoriëntatie, landgebruik, neerslag, historische inventaris van aardverschuivingen en grondwater. Kunstmatige intelligentie combineert deze lagen en produceert een gevoeligheidskaart door het patroon rond aardverschuivingen in het verleden te leren kennen.
Er zijn twee kritische punten. Ten eerste leert het model van eerdere inventarisaties van aardverschuivingen; Als de inventarisatie onvolledig is (veel aardverschuivingen worden niet geregistreerd), kan het model deze patronen helemaal niet zien en produceert het valse negatieven. Ten tweede geeft de gevoeligheid niet de trigger (wanneer te verschuiven), maar de gevoeligheid (waarheen te verschuiven als de omstandigheden zich voordoen); Het is gevaarlijk om deze twee te verwarren. De kaart kan niet worden gebruikt als basis voor beslissingen zonder te worden geverifieerd door de observatie van de aardlaag door de veldgeoloog, discontinuïteitmetingen en bewegingssporen uit het verleden.
Seismisch gevaar en liquefactie
Seismische gevarenbeoordeling levert een probabilistische schatting op van de grondbeweging (versnelling) die naar verwachting in een bepaalde tijdsperiode op een locatie zal worden overschreden. Kunstmatige intelligentie helpt bij het verwerken van recorddatabases, het vergelijken van relaties met voorspelling van grondbewegingen en het genereren van scenario's. De definitie van breukbronnen, herhalingsintervallen en grondversterking vereisen echter geologisch-seismologische expertise; het model past er niet in.
Beoordeling van de liquefactie meet het risico dat verzadigd los zand zijn draagvermogen verliest door trillingen van aardbevingen. De klassieke methode is om de SPT-N (of CPT)-waarde te vergelijken met de spanningscyclussnelheid die door de aardbeving wordt geproduceerd en hieruit een veiligheidsfactor af te leiden. AI organiseert gegevens en scant snel op liquefactiepotentieel in een veld met meerdere putten; maar het resultaat wordt geverifieerd door handmatige berekening met behulp van de standaardmethode (bijvoorbeeld de lokale aardbevingscode). Een vals negatief betekent hier dat een constructie tijdens een aardbeving in de grond zakt.
Drie mini-hoesjes: volgens de cijfers
Geval 1 — Ontbrekende inventaris vastleggen. Op een aardverschuivingskaart van een provincie zag het model er “goed” uit met een nauwkeurigheid van 89%; maar de veldgeoloog vond drie oude aardverschuivingslittekens (niet geregistreerd) op een valleihelling die op de kaart als veilig werd aangegeven. Het model kon dit patroon niet leren omdat de inventarisatie onvolledig was. Toen de inventaris werd bijgewerkt en de kaart werd vernieuwd, schakelde die helling over naar hoge gevoeligheid. Door de nauwkeurigheid van 89% wordt het meest kritische gebied gemist.
Geval 2 — Liquefactiedrempel. Op een strandopvullocatie markeerde het model 6 van de 42 boringen als “liquefactierisico” met de hoogste gemiddelde nauwkeurigheidsdrempel. Toen de deskundige de drempel naar de conservatieve kant verlegde om het aantal fout-negatieven te verminderen, werden elf peilingen gemarkeerd; Er is bevestigd dat nog eens vijf echt riskant zijn volgens standaard handberekeningen. De conservatieve drempel bespaarde vijf potentiële vals-negatieven; de kostenstijging was verwaarloosbaar in vergelijking met het potentiële levensrisico.
Geval 3 — Vroeg waarschuwingssignaal. Kunstmatige intelligentie die radar- en hellingssensorgegevens op een open helling verwerkte, signaleerde een langzame versnelling van de vervormingssnelheid en veroorzaakte alarm. Het team heeft het gebied geëvacueerd; 40 uur later vond er een grote glijbaan plaats op de helling, maar niemand raakte gewond. Het model zei niet de exacte dag/tijd; Het maakte de versnellende beweging zichtbaar en gaf tijd aan menselijke besluitvorming.
Zwakke prompt/sterke prompt
Zwakke prompt:
Bestaat er een risico op aardverschuivingen in deze regio? Bekijk de gegevens en zeg of deze veilig of gevaarlijk zijn.[laaggegevens]
Krachtige prompt:
Jouw rol: Assistent natuurgevarengeoloog. Het EXACTE label "veilig/gevaarlijk" geven met de volgende variabelen. In plaats daarvan: 1) Verklaar de factoren die bijdragen aan het sentiment en de richting van elk ervan. 2) Breng een gekalibreerde waarschijnlijkheidslogica tot stand in plaats van klasse; Geef aan waarom de drempel voor levensveiligheid voorzichtig moet worden gekozen om fout-negatieven te verminderen.3) Schrijf op hoe de uitkomst misleidend zou kunnen zijn als de historische inventaris van aardverschuivingen onvolledig is.4) Noem vier punten die in het veld moeten worden bevestigd. De uiteindelijke beoordeling is eigendom van de bevoegde ingenieur. De gegevens zijn anoniem.
Vier kopieerbare sjablonen
1) Waarschijnlijkheid opvragen in plaats van gevarenklasse:
Interpreteer de uitvoer van het gevarenmodel als een gekalibreerde waarschijnlijkheid in plaats van als een scherpe klasse. Vergelijk de gevolgen van valse negatieven en valse positieven op dit gebied en rechtvaardig de manier waarop de drempel voor levensveiligheid moet worden verlegd.
2) Audit van voorraadtekorten:
Noem eventuele aanwijzingen dat de inventaris waarop het model voor de gevoeligheid voor aardverschuivingen is getraind mogelijk onvolledig is (recordjaren, bestreken gebied, lacunes in de gegevens). Geef aan op welke gebieden deze tekortkoming het risico op valse negatieven zou vergroten.
3) Schets van liquefactiescreening:
Voor het vloeibaarmakingspotentieel op een locatie met meerdere boringen: adviseer een screening van de boorgaten die verzadigd los zand bevatten en een primaire handberekening vereisen. Specificeer dat dit moet worden geverifieerd via de standaardmethode; geef geen exacte veiligheidscoëfficiënt.
4) Interpretatie van vroegtijdige waarschuwingssignalen:
Om de veranderingen in snelheid en versnelling in de vervormingsmonitoringsreeks (helling/radar) samen te vatten; Is er sprake van een alarmerend versnellingspatroon? Het geven van een exacte tijdsinschatting; Specificeer wanneer/gegevens nodig zijn voor menselijk oordeel.
Type gevaar, fout-negatief en verificatie
Gevaar
AI-bijdrage
Resultaat van vals-negatief
Verplichte verificatie
gevoeligheid voor aardverschuivingen
Laagfusie, patroon
Denken dat het drijvende gebied veilig is
Veld + huidige inventaris
seismisch gevaar
Database/scenario
Onderschatting van grondbewegingen
Seismologisch expert + standaard
vloeibaar maken
Scannen met meerdere putjes
Gebouw dat in de grond zinkt
SPT/CPT handberekening + regeling
vroege waarschuwing voor hellingen
Traceersignaalfiltering
vertraging van de ejaculatie
Menselijk oordeel + veldbevestiging
Tip: Controleer altijd de nooduitgang met de vraag "Wordt dit beschouwd als een vals alarm of een misser?" Lees met de vraag. Op het gebied van levensveiligheid is het veel acceptabeler om een paar valse alarmen te verduren dan een enkel gemist gevaar.
Veel voorkomende fouten
- Misleid worden door de algemene waarheid. Hoge nauwkeurigheid kan zeldzame fatale gebeurtenissen missen; De echte maatstaf is het vals-negatieve percentage.
- De drempel overlaten aan het model. De levensveiligheidsdrempel wordt behoedzaam vastgesteld door de deskundige die de gevolgen kent; geen automatische "beste" drempel.
- Ontbrekende inventaris negeren. Het model kan het patroon dat het niet heeft geleerd niet zien; Als de inventaris ontbreekt, zal de kaart de veilige kant voor de gek houden.
- Verwarrende aanleg met trigger. De gevoeligheid is een kwestie van ‘waar’, de trigger is een kwestie van ‘wanneer’; Beide vereisen afzonderlijke verificatie.
- Een vroege waarschuwing aanzien als een definitieve profetie. Het systeem bespaart tijd; De beslissing en verantwoordelijkheid om te evacueren ligt bij de persoon.
Samengevat
- Natuurrampen vormen het zwaarste verantwoordelijkheidsgebied van de geologische techniek; De kosten van een verkeerde output kunnen levenslang zijn.
- Vals-negatief (het verwarren van gevaarlijk met veilig) is veel ernstiger dan vals-positief; De drempel wordt voorzichtig gekozen, ten gunste van het leven.
- Algemene nauwkeurigheid is misleidend; Het criterium is het aantal gemiste zeldzame fatale gebeurtenissen; De uitvoer moet een gekalibreerde waarschijnlijkheid zijn, en geen klasse.
- Het aardverschuivingsmodel kan niet leren van een onvolledige inventaris; Elke gevarenkaart wordt geverifieerd door veld- en expertverificatie.
- Vroegtijdige waarschuwing bespaart tijd, maar is geen profetie; De beslissing om te evacueren en voorzorgsmaatregelen te nemen behoort toe aan de bevoegde ingenieur en functionaris.
Applicatie taak
Haal een geanonimiseerd gevarenscenario op (aardverschuivingslagen of vloeibaarmakingsboringen; representatieve gegevens). Zorg ervoor dat het model geen harde labels geeft en zorg ervoor dat het de fout-negatieve/positieve balans bespreekt met het sjabloon 'Vraag naar waarschijnlijkheid in plaats van naar gevarenklasse'. Gebruik vervolgens het sjabloon 'audit van voorraadtekorten' om erachter te komen waar de afdruk misleidend kan zijn en noteer een lijst met drie punten die veldverificatie vereisen.
controlelijst
- [ ] Ik begreep het verschil tussen vals-negatief en vals-positief en het belang ervan voor de veiligheid van het leven.
- [ ] Ik evalueer de gevarenuitvoer op basis van het aantal missers in plaats van de algehele nauwkeurigheid.
- [ ] Ik ben van mening dat de drempel door een deskundige voorzichtig en ten gunste van het leven moet worden vastgesteld.
- [ ] Ik begrijp dat het aardverschuivingsmodel niet kan leren van een onvolledige inventaris en veldbevestiging vereist.
- [ ] Ik gebruik het systeem voor vroegtijdige waarschuwing niet als een profetie, maar als een instrument dat tijd bespaart voor menselijke beslissingen.