De resolutie is net zo fijn als individuele telegraafpalen.
"Deze technologie maakt nauwkeurige rampenvoorspelling mogelijk door een model te bouwen dat ramppatronen leert uit faciliteitsgegevens die de NTT Group heeft geïnspecteerd en gerepareerd [na] eerdere rampen”, aldus het bedrijf. “Bovendien kan het worden voorspeld op basis van openbaar beschikbare gegevens in heel Japan, waardoor het mogelijk wordt voorspellingen te doen, ongeacht waar de faciliteit is geïnstalleerd.”
Tot nu toe zijn er drie algoritmen:
Met invoergegevens zoals regenval, hoogte, grondsterkte en afstand tot rivieren beweert het bedrijf schade aan een individuele elektriciteitspaal met een nauwkeurigheid van 98% te kunnen voorspellen.
Dit cijfer bedraagt 90% voor pijpleidingen die tijdens rivieroverstromingen aan bruggen zijn bevestigd, op basis van gegevens zoals fluctuaties in het waterpeil en de rivierbreedte. Door factoren te kennen zoals welke soorten pijpleidingen in een gebied begraven liggen en de piekgrondsnelheid van een aardbeving, kan het aantal De schade per km van een pijpleiding kan met een nauwkeurigheid van 87% worden voorspeld, aldus het rapport.
Daarnaast stelt het voor om soortgelijke AI te ontwikkelen voor de rest van de Japanse infrastructuur, zoals elektriciteitstransmissielijnen en pijpleidingen voor water en gas.
De resultaten zullen worden tentoongesteld op het Tsukuba Forum, 16 – 17 mei dit jaar