人工智能可以为设计抗飓风建筑设定新标准

能够抵御飓风强度的风是美国东海岸和墨西哥湾沿岸许多建筑物长寿的关键确定合适的风力等级进行设计是一件棘手的事情，但人工智能的支持可能会提供一个简单的方法解决方案。

凭借100年的飓风数据和现代人工智能技术，美国国家标准与技术研究院(NIST)的研究人员设计了一种数字模拟飓风的新方法。今天发表在《地球系统人工智能》杂志上的一项研究结果表明，模拟可以准确地代表一系列实际风暴的轨迹和风速。作者建议，使用新方法模拟大量真实的飓风有助于为飓风多发地区的建筑物设计制定改进的指南。

规范建筑设计和施工的州和地方法律(通常称为建筑规范)为设计师指明了标准化地图。在这些地图上，工程师可以找到他们的结构必须能够根据其位置和相对重要性处理的风级别(即，医院的标准高于自助存储设施的标准)。地图中的风速来自计算机模型模拟的数十次假想飓风，这些模型本身基于现实生活中的飓风记录。

“想象你有第二个地球，或者一千个地球，在那里你可以观察飓风100年，看看它们袭击了海岸的哪个地方，它们有多强烈。那些模拟风暴，如果它们表现得像真正的飓风，可以用来几乎直接在地图中创建数据，”该研究的合著者、NIST数理统计学家AdamPintar说。

开发最新地图的研究人员通过模拟飓风的复杂内部运作来做到这一点，这些内部运作受到海面温度和地球表面粗糙度等物理参数的影响。然而，关于这些特定因素的必要数据并不总是容易获得。

十多年后，基于人工智能的工具的进步和多年的额外飓风记录使前所未有的方法成为可能，这可能会导致未来更真实的飓风风图。

NIST博士后研究员RikhiBose与Pintar和NIST研究员EmilSimiu一起，使用这些新技术和资源从不同角度解决了这个问题。Pintar说，新研究的作者并没有让他们的模型从头开始在数学上构建风暴，而是教它通过机器学习来模拟实际的飓风数据。

仅通过查看以前作业的问题和答案来学习物理考试可能不会对学生有利，但对于基于AI的强大技术，这种方法可能是值得的。

有了足够的质量信息来研究，机器学习算法可以根据它们在数据集中发现的其他方法可能遗漏的模式构建模型。然后，这些模型可以模拟特定的行为，例如飓风的风力和运动。

在这项新研究中，研究材料以国家飓风中心的大西洋飓风数据库(HURDAT2)的形式出现，其中包含有关100多年前飓风的信息，例如它们的路径坐标和风速。

研究人员将1,500多场风暴的数据分成几组，用于训练和测试他们的模型。当同时模拟以前从未见过的历史风暴的轨迹和风时，该模型得分很高。

“它表现得非常好。老实说，根据你在沿海地区观察的位置，很难将模拟飓风与真实飓风区分开来，”Pintar说。

他们还使用该模型生成了100年的假设风暴集。它在几秒钟内产生了模拟，作者发现与HURDAT2风暴的一般行为有很大程度的重叠，这表明他们的模型可以快速产生真实风暴的集合。

但是，也存在一些差异，例如在东北部沿海各州。在这些地区，HURDAT2数据稀疏，因此模型生成的风暴不太真实。

“例如，飓风在波士顿不像在迈阿密那样频繁。你拥有的数据越少，你预测的不确定性就越大，”Simiu说。

下一步，该团队计划使用模拟飓风来绘制极端风速的沿海地图，并量化这些估计速度的不确定性。

由于该模型目前对风暴的理解仅限于历史数据，因此无法模拟气候变化对未来风暴的影响。从头开始模拟风暴的传统方法更适合这项任务。然而，在短期内，作者相信基于他们模型的风图——与其他模型相比，它对难以捉摸的物理参数的依赖更少——将更好地反映现实。

在接下来的几年内，他们的目标是制作并提出新的地图以纳入建筑标准和规范。