Être capable de résister à des vents de force ouragan est la clé d'une longue durée de vie pour de nombreux bâtiments sur la côte est et la côte du golfe des États-Unis. Déterminer le bon niveau de vents à concevoir est une affaire délicate, mais le soutien de l'intelligence artificielle peut offrir un simple solution.
Équipés de 100 ans de données sur les ouragans et de techniques d'IA modernes, les chercheurs du National Institute of Standards and Technology (NIST) ont mis au point une nouvelle méthode de simulation numérique des ouragans. Les résultats d'une étude publiée aujourd'hui dans L'intelligence artificielle pour les systèmes terrestres démontrer que les simulations peuvent représenter avec précision la trajectoire et la vitesse du vent d'un ensemble de tempêtes réelles. Les auteurs suggèrent que la simulation de nombreux ouragans réalistes avec la nouvelle approche peut aider à développer des directives améliorées pour la conception des bâtiments dans les régions sujettes aux ouragans.
Les lois nationales et locales qui régissent la conception et la construction des bâtiments, plus communément appelées codes du bâtiment, orientent les concepteurs vers des cartes normalisées. Sur ces cartes, les ingénieurs peuvent trouver le niveau de vent que leur structure doit pouvoir supporter en fonction de son emplacement et de son importance relative (c'est-à-dire que la barre est plus haute pour un hôpital que pour une installation de self-stockage). Les vitesses du vent sur les cartes sont dérivées de scores d'ouragans hypothétiques simulés par des modèles informatiques, eux-mêmes basés sur des enregistrements d'ouragans réels.
"Imaginez que vous aviez une deuxième Terre, ou un millier de Terres, où vous pourriez observer les ouragans pendant 100 ans et voir où ils frappent sur la côte, à quel point ils sont intenses. Ces tempêtes simulées, si elles se comportent comme de vrais ouragans, peuvent être utilisées pour créer les données dans les cartes presque directement », a déclaré le statisticien mathématique du NIST, Adam Pintar, co-auteur de l'étude.
Les chercheurs qui ont développé les dernières cartes l'ont fait en simulant le fonctionnement interne complexe des ouragans, qui est influencé par des paramètres physiques tels que les températures de surface de la mer et la rugosité de la surface de la Terre. Cependant, les données requises sur ces facteurs spécifiques ne sont pas toujours facilement disponibles.
Plus d'une décennie plus tard, les progrès des outils basés sur l'IA et des années d'enregistrements supplémentaires d'ouragans ont rendu possible une approche sans précédent, qui pourrait se traduire par des cartes des vents d'ouragan plus réalistes sur la route.
Le chercheur postdoctoral du NIST Rikhi Bose, en collaboration avec Pintar et le boursier du NIST Emil Simiu, a utilisé ces nouvelles techniques et ressources pour aborder le problème sous un angle différent. Plutôt que de laisser leur modèle construire mathématiquement une tempête à partir de zéro, les auteurs de la nouvelle étude lui ont appris à imiter les données réelles des ouragans avec l'apprentissage automatique, a déclaré Pintar.
Étudier pour un examen de physique en ne regardant que les questions et les réponses des devoirs précédents peut ne pas jouer en faveur d'un étudiant, mais pour de puissantes techniques basées sur l'IA, ce type d'approche pourrait être utile.
Avec suffisamment d'informations de qualité à étudier, les algorithmes d'apprentissage automatique peuvent construire des modèles basés sur des modèles qu'ils découvrent dans des ensembles de données que d'autres méthodes peuvent manquer. Ces modèles peuvent ensuite simuler des comportements spécifiques, tels que la force du vent et le mouvement d'un ouragan.
Dans la nouvelle recherche, le matériel d'étude se présentait sous la forme de la base de données des ouragans de l'Atlantique (HURDAT2) du National Hurricane Center, qui contient des informations sur les ouragans remontant à plus de 100 ans, telles que les coordonnées de leurs trajectoires et de leurs vitesses de vent.
Les chercheurs ont divisé les données sur plus de 1 500 tempêtes en ensembles pour former et tester leur modèle. Lorsqu'il a été mis au défi de simuler simultanément la trajectoire et le vent de tempêtes historiques qu'il n'avait jamais vues auparavant, le modèle a obtenu d'excellents résultats.
"Il fonctionne très bien. Selon l'endroit où vous regardez le long de la côte, il serait assez difficile d'identifier un ouragan simulé d'un vrai, honnêtement", a déclaré Pintar.
Ils ont également utilisé le modèle pour générer des séries de 100 ans de tempêtes hypothétiques. Il a produit les simulations en quelques secondes, et les auteurs ont vu un large degré de chevauchement avec le comportement général des tempêtes HURDAT2, suggérant que leur modèle pourrait rapidement produire des collections de tempêtes réalistes.
Cependant, il y avait quelques écarts, comme dans les États côtiers du nord-est. Dans ces régions, les données HURDAT2 étaient rares et le modèle a donc généré des tempêtes moins réalistes.
"Les ouragans ne sont pas aussi fréquents, par exemple, à Boston qu'à Miami, par exemple. Moins vous avez de données, plus l'incertitude de vos prévisions est grande", a déclaré Simiu.
Dans une prochaine étape, l'équipe prévoit d'utiliser des ouragans simulés pour développer des cartes côtières des vitesses de vent extrêmes ainsi que pour quantifier l'incertitude dans ces vitesses estimées.
Étant donné que la compréhension des tempêtes par le modèle se limite pour l'instant aux données historiques, il ne peut pas simuler les effets que le changement climatique aura sur les tempêtes du futur. L'approche traditionnelle consistant à simuler les tempêtes à partir de zéro est mieux adaptée à cette tâche. Cependant, à court terme, les auteurs sont convaincus que les cartes des vents basées sur leur modèle - qui dépend moins de paramètres physiques insaisissables que les autres modèles - refléteraient mieux la réalité.
Au cours des prochaines années, ils visent à produire et à proposer de nouvelles cartes à inclure dans les normes et codes de construction.
Plus d'information: Rikhi Bose et al, Simulation of Atlantic Hurricane Tracks and Features: A Coupled Machine Learning Approach, L'intelligence artificielle pour les systèmes terrestres (2023). DOI : 10.1175/AIES-D-22-0060.1
Cette histoire est republiée avec l'aimable autorisation du NIST. Lire l'histoire originale ici.
Citation: AI pourrait établir une nouvelle barre pour la conception de bâtiments résistants aux ouragans (2023, 29 mars) récupéré le 2 avril 2023 sur
Ce document est soumis au droit d'auteur. En dehors de toute utilisation loyale à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans l'autorisation écrite. Le contenu est fourni seulement pour information.
Source