Dobički:
- Razumeti uporabo umetne inteligence pri kartiranju dovzetnosti za zemeljske plazove, oceni potresne nevarnosti in utekočinjenja.
- Sposobnost ustvarjanja razvrstitve tveganja in poteka dela za zgodnje opozarjanje iz večvariantnih podatkov o nevarnosti
- Sposobnost preverjanja izhodov nevarnosti z odgovornostjo za življenjsko varnost, bilanco lažnih alarmov in dokaze na terenu
Predmet te enote je najodgovornejše področje geološkega inženirstva: ocena naravnih nesreč in geoloških nevarnosti. Cena napake tukaj ni denar, ampak človeško življenje. Če zemljevid dovzetnosti za zemeljske plazove nepravilno prikazuje sosesko kot »varno«, se ne ukrepa; Če ocena utekočinjanja napačno razbere tla pod bolnišnico, se lahko struktura med potresom pogrezne. Na tem področju ustvarja umetna inteligenca resnično vrednost pri obdelavi večvariantnih podatkov, zajemanju vzorcev in filtriranju zgodnjih opozorilnih signalov. Toda ravno na tem področju mora biti preverjanje najstrožje, odobritev inženirja najpopolnejša in obvladovanje negotovosti najbolj natančno, saj so stroški nepravilnega izhoda najvišji.
V tej enoti bomo obravnavali tri vrste nevarnosti skozi lečo umetne inteligence: kartiranje dovzetnosti za zemeljske plazove (na podlagi večvariantnih podatkov napoveduje, katera pobočja so v nevarnosti zdrsa), potresno nevarnost (možna intenzivnost potresnega gibanja tal) in utekočinjenje (ko nasičen sipki pesek med potresom deluje kot tekočina in izgubi svojo nosilnost). Naša skupna tema je, zakaj je lažno negativen izhod za nevarnost (razvrstitev dejansko nevarnega območja kot varnega) usoden in kako nastaviti pragove v korist življenjske varnosti.
Ravnovesje lažno negativnih in lažno pozitivnih rezultatov
Pri razvrščanju nevarnosti obstajata dve vrsti napak. Lažno pozitiven rezultat je razvrstitev varnega območja kot nevarnega; Rezultat so nepotrebni stroški, dodaten nadzor, morda zamuda pri projektu - to je na varni strani v smislu življenjske dobe. Lažno negativen rezultat je razvrstitev nevarnega območja kot varnega; Posledica je neupoštevanje varnostnih ukrepov in možna izguba življenja/premoženja. Ti dve napaki nista enaki. Na območjih življenjske varnosti je prag izbran previdno, da se čim bolj zmanjšajo lažno negativni rezultati; To pomeni, da se v dvomu prestavi na nevarno stran in se potrdi s terensko potrditvijo.
Modeli AI na splošno izberejo pragove, ki povečajo splošno natančnost. Toda v znanosti o nevarnostih cilj ni popolna natančnost, temveč ohranjanje nizkega števila lažno negativnih rezultatov. Zato mora biti rezultat modela umerjena verjetnost, ne "razred", prag pa mora določiti strokovnjak za nevarnosti, ki pozna posledice. 92-odstotna natančnost modela zemeljskega plazu je ničvredna, če zgreši polovico dejanskih plazov.
Pozor: Naj vas visoka splošna natančnost modela nevarnosti ne zavede. Poglejte stopnjo napak (lažno negativno) za redke, a smrtonosne dogodke (plazovi, utekočinjanje). Merilo pri življenjski varnosti ni imeti prav v povprečju, temveč ne zgrešiti nevarnega.
Kartiranje dovzetnosti za zemeljske plazove
Dovzetnost za plazove, "bo to mesto zdrsnilo, ko bodo izpolnjeni vsi pogoji?" na vprašanje odgovori z geološkimi in topografskimi spremenljivkami. Vhodni podatki so običajno: naklon, vidik, litologija, orientacija diskontinuitete, raba tal, padavine, zgodovinski popis zemeljskih plazov in podzemna voda. Umetna inteligenca združi te plasti in izdela zemljevid občutljivosti z učenjem vzorca okoli preteklih zemeljskih plazov.
Obstajata dve kritični točki. Prvič, model se uči iz preteklega popisa zemeljskih plazov; Če je popis nepopoln (številni plazovi niso zabeleženi), model teh vzorcev sploh ne vidi in ustvari lažne negative. Drugič, občutljivost ne določa sprožilca (kdaj prestaviti), temveč dovzetnost (kam prestaviti, če se pojavijo pogoji); Nevarno je zamenjati to dvoje. Zemljevida ni mogoče uporabiti kot osnovo za odločitev, ne da bi bil preverjen z opazovanjem izdankov terenskega geologa, meritvijo diskontinuitete in preteklimi sledmi gibanja.
Potresna nevarnost in utekočinjenje
Ocena potresne nevarnosti zagotavlja verjetnostno oceno gibanja tal (pospeška), za katerega se pričakuje, da bo presežen v določenem časovnem obdobju na lokaciji. Umetna inteligenca pomaga pri obdelavi baz podatkov o zapisih, primerjavi odnosov napovedi gibanja tal in ustvarjanju scenarijev. Vendar pa opredelitev virov napak, intervalov ponavljanja in ojačanja tal zahteva geološko-seizmološko strokovno znanje; model jim ne more ustrezati.
Ocena utekočinjanja meri tveganje, da nasičen sipki pesek zaradi potresnih vibracij izgubi svojo nosilnost. Klasična metoda je primerjava vrednosti SPT-N (ali CPT) s hitrostjo cikla napetosti, ki jo povzroči potres, in izpeljava varnostnega faktorja. Umetna inteligenca organizira podatke in hitro poišče potencial utekočinjenja na polju z več vrtinami; vendar se rezultat preveri z ročnim izračunom po standardni metodi (npr. koda lokalnega potresa). Lažno negativen tukaj pomeni, da se struktura med potresom pogrezne v zemljo.
Trije mini kovčki: po številkah
Primer 1 – Zajem manjkajočega inventarja. Na zemljevidu okrožnega plazu je bil model videti "dober" z 89-odstotno natančnostjo; vendar je terenski geolog našel tri stare brazgotine plazu (neevidentirane) na pobočju doline, ki je bila na zemljevidu prikazana kot varna. Model se ni mogel naučiti tega vzorca, ker je bil popis nepopoln. Ko je bil inventar posodobljen in zemljevid prenovljen, je ta naklon prešel na visoko občutljivost. 89-odstotna natančnost je prikrila manjkajoče najbolj kritično področje.
Primer 2 – Prag utekočinjenja. Na mestu nasipa na plaži je model 6 od 42 vrtin označil kot "tveganje utekočinjenja" z najvišjim povprečnim pragom natančnosti. Ko je strokovnjak premaknil prag na konzervativno stran, da bi zmanjšal lažno negativne rezultate, je bilo označenih 11 sondiranj; Dodatnih pet je bilo s standardnim ročnim izračunom potrjeno resnično tveganih. Konzervativni prag je prihranil pet potencialnih lažno negativnih rezultatov; povečanje stroškov je bilo zanemarljivo v primerjavi s potencialnim tveganjem za življenje.
Primer 3 – zgodnji opozorilni signal. Umetna inteligenca, ki obdeluje podatke radarja in senzorja naklona na pobočju odprtega kopa, je označila počasno pospeševanje stopnje deformacije in sprožila alarm. Ekipa je evakuirala območje; 40 ur pozneje je na pobočju prišlo do večjega zdrsa, a ni bil nihče poškodovan. Model ni povedal točnega dneva/ure; Naredila je vidno pospešeno gibanje in dala čas človeku za odločanje.
Šibek poziv / močan poziv
Šibek poziv:
Ali obstaja nevarnost zemeljskega plazu v tej regiji? Poglejte podatke in povejte, ali so varni ali nevarni [layer data]
Močan poziv:
Vaša vloga: Pomočnik geologa za naravne nevarnosti. Dajanje TOČNE oznake "varno/nevarno" z naslednjimi spremenljivkami. Namesto tega: 1) Pojasnite dejavnike, ki prispevajo k razpoloženju, in smer vsakega. 2) Vzpostavite umerjeno logiko verjetnosti namesto razreda; Navedite, zakaj je treba prag življenjske varnosti izbrati previdno, da zmanjšate lažno negativne rezultate.3) Napišite, kako bi lahko bil rezultat zavajajoč, če je zgodovinski popis plazov nepopoln.4) Naštejte 4 točke, ki jih je treba potrditi na terenu. Končna ocena pripada pooblaščenemu inženirju. Podatki so anonimni.
Štiri kopirane predloge
1) Zahtevanje verjetnosti namesto razreda nevarnosti:
Izhod modela nevarnosti razlagajte kot umerjeno verjetnost in ne kot oster razred. Primerjajte posledice lažno negativnih in lažno pozitivnih rezultatov na tem področju in utemeljite, v katero smer je treba premakniti prag za življenjsko varnost.
2) Revizija pomanjkanja zalog:
Navedite morebitne znake, da je popis, na podlagi katerega se usposablja model dovzetnosti za plazove, morda nepopoln (rekordna leta, pokrito območje, vrzeli v podatkih). Označite, na katerih področjih bi ta pomanjkljivost povečala tveganje lažno negativnih rezultatov.
3) Skica presejanja utekočinjenja:
Za potencial utekočinjenja na mestu z več vrtalniki: priporočite pregled, katere vrtine vsebujejo nasičen sipek pesek in zahtevajo primarni ročni izračun. Navedite, da mora biti preverjen s standardno metodo; ne dajejo natančnega varnostnega koeficienta.
4) Razlaga zgodnjega opozorilnega signala:
Če povzamemo spremembe hitrosti in pospeška v seriji spremljanja deformacije (naklon/radar); Ali obstaja zaskrbljujoč vzorec pospeševanja? Dajanje točne časovne ocene; Določite, kdaj/so potrebni podatki za človeško presojo.
Vrsta nevarnosti, lažno negativno in preverjanje
Nevarnost
Prispevek AI
Lažno negativen rezultat
Obvezno preverjanje
dovzetnost za plazove
Fuzija plasti, vzorec
Misliti, da je plavajoče območje varno
Polje + trenutni popis
potresna nevarnost
Baza podatkov/scenarij
Podcenjevanje gibanja tal
Seizmološki strokovnjak + standard
utekočinjenje
Skeniranje z več vrtinami
Stavba, ki se ugreza v zemljo
SPT/CPT ročni izračun + regulacija
zgodnje opozorilo na pobočju
Filtriranje signala sledi
zakasnitev ejakulacije
Človeška presoja + potrditev na terenu
Namig: vedno preverite izhod v sili z vprašanjem "Ali se šteje za lažni alarm ali zgrešeno?" Preberite z vprašanjem. Pri življenjski varnosti je veliko bolj sprejemljivo potrpeti nekaj lažnih alarmov kot ena sama zgrešena nevarnost.
Pogoste napake
- Biti prevaran s splošno resnico. Visoka natančnost lahko zgreši redke usodne dogodke; Prava metrika je lažno negativna stopnja.
- Prepuščanje praga modelu. Prag življenjske varnosti postavlja previdno strokovnjak, ki pozna posledice; ni samodejni "najboljši" prag.
- Ignoriranje manjkajočega inventarja. Model ne vidi vzorca, ki se ga ni naučil; Če inventar manjka, bo zemljevid preslepil varno stran.
- Zamenjava predispozicije s sprožilcem. Občutljivost je vprašanje »kje«, sprožilec je vprašanje »kdaj«; Oba zahtevata ločeno preverjanje.
- Zamenjajte zgodnje opozorilo za dokončno prerokbo. Sistem prihrani čas; Odločitev in odgovornost za evakuacijo pripada posamezniku.
Če povzamem
- Naravna nevarnost je najtežje področje odgovornosti geološkega inženiringa; Cena napačnega rezultata je lahko življenje.
- Lažno negativen (zamenjevanje nevarnega za varnega) je veliko resnejši od lažno pozitivnega; Prag je izbran previdno, v korist življenja.
- Splošna natančnost je zavajajoča; Merilo je stopnja manjkajočih redkih smrtnih dogodkov; Izhod mora biti kalibrirana verjetnost, ne razred.
- Model plazu se ne more učiti iz nepopolnega popisa; Vsaka karta nevarnosti je verificirana s terensko in strokovno preveritvijo.
- Zgodnje opozarjanje prihrani čas, vendar ni prerokba; Odločitev o evakuaciji in previdnostnih ukrepih je v pristojnosti pooblaščenega inženirja in uradne osebe.
Aplikacijska naloga
Pridobite anonimiziran scenarij nevarnosti (plasti plazov ali vrtine za utekočinjenje; reprezentativni podatki). Preprečite modelu dajanja ostrih oznak in poskrbite, da razpravlja o lažno negativnem/pozitivnem ravnovesju s predlogo "vprašaj za verjetnost namesto razreda nevarnosti". Nato uporabite predlogo »revizija pomanjkanja zalog«, da ugotovite, kje je lahko izpis zavajajoč, in zapišite seznam treh točk, ki zahtevajo terensko preverjanje.
kontrolni seznam
- [ ] Razumel sem razliko med lažno negativnimi in lažno pozitivnimi rezultati ter njihov pomen za varnost življenja.
- [ ] Ocenjujem izhod nevarnosti glede na stopnjo napak in ne glede na splošno natančnost.
- [ ] Menim, da mora prag postaviti strokovnjak previdno in življenju v prid.
- [ ] Razumem, da se model plazu ne more učiti iz nepopolnega popisa in zahteva potrditev na terenu.
- [ ] Sistem zgodnjega opozarjanja ne uporabljam kot prerokbo, ampak kot orodje, ki prihrani čas za človeške odločitve.