We are searching data for your request:
Upon completion, a link will appear to access the found materials.
आर्टिफिशियल इंटेलिजेंस (AI) का इस्तेमाल अपराध से लेकर साइकोटिक एपिसोड तक हर चीज की भविष्यवाणी करने के लिए किया जा रहा है। अब, ब्लैकआउट को सूची में जोड़ा जा सकता है।
तूफान की आशंकाओं का अंदेशा
अधिक विशेष रूप से, उपकरण का उपयोग ब्लैकआउट की भविष्यवाणी करने के लिए किया जा रहा है जो कि गरज से उत्पन्न होता है। यह बिजली कंपनियों के लिए विशेष रूप से उपयोगी है जो अपने बुनियादी ढांचे को नुकसान की भविष्यवाणी करने में सक्षम होना चाहते हैं।
संबंधित: एअर इंडिया के लिए निर्धारित है किडनी में 48 घंटे पहले
इसके प्रकाश में, प्रोफेसर एलेक्स जुंग के अनुसंधान समूह में ऑल्टो विश्वविद्यालय में फिनिश मौसम विज्ञान संस्थान (एफएमआई) और पीएचडी शोधकर्ता में एक सॉफ्टवेयर वास्तुकार, रूप टेरो ने एक मशीन लर्निंग दृष्टिकोण की कल्पना की है जो इस गंभीर तूफान की भविष्यवाणी कर सकती है।
इसे प्राप्त करने के लिए टर्वो ने सबसे पहले पावर-आउटेज से सिस्टम डेटा को फीड किया। उस डेटा को तीन फिनिश ऊर्जा कंपनियों, जेर्वी-सुमेन एनर्जिया, लोइस्ट शेखोवरको, और इमात्रा सेदुन सहाकोनिस्तिरो द्वारा प्रदान किया गया था।
"तूफान को 4 वर्गों में विभाजित किया गया था। एक वर्ग 0 तूफान ने किसी भी बिजली ट्रांसफार्मर को बिजली नहीं दी। एक वर्ग 1 तूफान 10% ट्रांसफार्मर तक कट-ऑफ, एक वर्ग 2 से 50% और कक्षा 3 तूफान 50% से अधिक ट्रांसफॉर्मर में बिजली काट दी गई, "एक ऑल्टो विश्वविद्यालय के बयान से पता चला।
डेटा जो समझना आसान है
दूसरे, Tervo ने तूफानों से डेटा लिया और कंप्यूटर को समझना आसान बना दिया।
"हमने डेटा तैयार करने के लिए एक नए ऑब्जेक्ट-आधारित दृष्टिकोण का उपयोग किया, जो इस काम को रोमांचक बनाता है" टेरो ने कहा। "तूफान कई तत्वों से बने होते हैं जो इंगित कर सकते हैं कि वे कितने हानिकारक हो सकते हैं: सतह क्षेत्र, हवा की गति, तापमान और दबाव, कुछ का नाम देने के लिए। प्रत्येक तूफान की 16 अलग-अलग विशेषताओं को समूहीकृत करके, हम कंप्यूटर को पहचानने के लिए प्रशिक्षित करने में सक्षम थे। जब तूफ़ान नुकसानदायक होंगे। ”
परिणाम कक्षा 0 और 3 तूफानों के बीच आसानी से पहचान करने में सक्षम होने के साथ फलदायक साबित हुए। अब, एल्गोरिथ्म कक्षा 1 और 2 के तूफानों के बीच अंतर करने में सक्षम होने के लिए अतिरिक्त डेटा शामिल कर रहे हैं।
टर्वो ने कहा, "हमारा अगला कदम मॉडल को आजमाना और उसे निखारना है ताकि यह सिर्फ गर्मियों के तूफानों की तुलना में अधिक मौसम के लिए काम करे।" जैसा कि हम सभी जानते हैं कि फिनलैंड में सर्दियों में बड़े तूफान आ सकते हैं, लेकिन वे गर्मियों के तूफानों के लिए अलग तरह से काम करते हैं। हमें उनके संभावित नुकसान की भविष्यवाणी करने के लिए विभिन्न तरीकों की आवश्यकता है ”
