洪水是最常见的自然灾害类型，全球有近 15 亿人（约占世界人口的 19%）直接面临严重洪水事件的巨大风险。洪水还造成巨大的物质损失，每年造成全球经济损失约 500 亿美元。近年来，人类造成的气候变化进一步增加了一些地区的洪水频率。然而，目前的预报方法主要依赖沿河而建的观测站，其在全球的分布并不均匀，这就导致未经测量的河流更难预报，其负面影响主要体现在发展中国家。
升级预警系统，使这些人群能够获得准确、及时的信息，每年可以挽救数千人的生命。那么，如何在全球范围内进行可靠的洪水预报？人工智能（AI）模型或许大有可为。如今，来自 Google Research 洪水预测团队的 Grey Nearing 及其同事开发的人工智能模型，通过利用现有的 5680 个测量仪进行训练，可预测未测量流域在 7 天预测期内的日径流。
随后，他们将该人工智能模型与全球领先的短期和长期洪水预测软件——全球洪水预警系统（GloFAS）进行了对比测试。结果显示，该模型同日预测准确率与当前系统相当甚至更高。此外，该模型在预测重现窗口期为五年的极端天气事件时，其准确性与 GloFAS 预测重现窗口期为一年的事件时的准确性相当或更高。
相关研究论文以“Global prediction of extreme floods in ungauged watersheds”为题，已发表在权威科学期刊 Nature 上。研究团队表示，该模型能对未测流盆地的小规模和极端洪水事件做出预警，且预警期比之前的方法都更长，并可提高发展中地区获得可靠洪水预报的机会。提前 7 天，AI 是如何做到的？
据论文描述，该研究使用了一种叫做长短期记忆（LSTM）网络的人工智能模型来进行河流流量的预测。这个模型的设计有点像我们的大脑，它可以从一系列的气象数据中学习并预测未来的河流流量，分为编码器和解码器两部分。首先，编码器负责从上一段时间内的气象数据中提取信息，它从过去的天气情况中理解河流流量的变化情况。然后，解码器部分使用这些信息来预测未来几天的河流流量。
它考虑了当前的气象预报，以及过去的天气对未来流量的影响。这样，就可以得到未来一周的流量预测。