How AI Can Accurately Forecast Landslides | अब भूस्खलन के पूर्वानुमान की और सटीक जानकारी मिल सकेगी। इससे भूगर्भीय आपदा और प्राकृतिक आपदाओं का सटीक आकलन हो पाएगा और नुकसान भी कम होगा। इसके लिए एआई एल्गोरिद्म की तकनीक आईआईटी मंडी के वैज्ञानिकों ने विकसित की है।
संस्थान द्वारा विकसित एआई एल्गोरिदम का भूस्खलन के लिए परीक्षण किया गया है। इसका उपयोग अन्य प्राकृतिक घटनाओं जैसे बाढ़, हिमस्खलन, चरम मौसम की घटनाओं, रॉक ग्लेशियरों और दो साल या पर्माफ्रॉस्ट के लिए शून्य डिग्री सेल्सियस से नीचे जमे हुए स्थानों के मानचित्रण के लिए भी किया जा सकता है, जो खतरों की भविष्यवाणी करने में मदद करेगा।
एसोसिएट प्रोफेसर, स्कूल ऑफ सिविल एंड एनवायरनमेंटल इंजीनियरिंग, आईआईटी मंडी। तेल अवीव विश्वविद्यालय (इज़राइल) के डॉ. डेरिक्स प्रेज़ शुक्ला और डॉ. शरद कुमार गुप्ता द्वारा विकसित, यह तकनीक भूस्खलन संवेदी मानचित्रण में डेटा असंतुलन की चुनौती को दूर कर सकती है, जो किसी क्षेत्र में भूस्खलन की संभावना को दर्शाता है। उनके अध्ययन के नतीजे हाल ही में लैंडस्लाइड जर्नल में प्रकाशित हुए हैं।
इस तरह काम करेगा
मशीन लर्निंग (एमएल), आर्टिफिशियल इंटेलिजेंस का एक उपक्षेत्र, कंप्यूटर को एक विशिष्ट तरीके से प्रोग्राम किए बिना अपने अनुभवों को सीखने और अनुकूल बनाने में सक्षम बनाता है। यह एल्गोरिदम पर आधारित है जो डेटा का आकलन कर सकता है, पैटर्न की पहचान कर सकता है और मानव बुद्धि के समान भविष्यवाणियां या निर्णय ले सकता है।नया एल्गोरिथ्म प्रशिक्षण के लिए डेटा असंतुलन की समस्या को हल करता है।
यह दो सैंपलिंग तकनीकों ईज़ी एनसेंबल और बैलेंस कैस्केड का उपयोग करके भूस्खलन मानचित्रण में डेटा असंतुलन के मुद्दों से निपटने का बेहतर काम करता है। उत्तर पश्चिमी हिमालयी उत्तराखंड में मंदाकिनी नदी बेसिन में 2004 से 2017 तक के भूस्खलन डेटा का उपयोग मॉडल के प्रशिक्षण और सत्यापन के लिए किया गया था। परिणाम से पता चला कि एल्गोरिथम द्वारा LSM की सटीकता में काफी सुधार किया गया था।
खासतौर पर जब पारंपरिक मशीन लर्निंग तकनीकों जैसे सपोर्ट वेक्टर मशीनों और आर्टिफिशियल न्यूरल नेटवर्क की तुलना की जाती है। अपने कार्यों की विशिष्टता के बारे में, स्कूल ऑफ सिविल एंड एनवायरनमेंटल इंजीनियरिंग के एसोसिएट प्रोफेसर डॉ. डीपी शुक्ला ने कहा कि, यह नया एल्गोरिथम एमएल मॉडल में डेटा संतुलन के महत्व को रेखांकित करता है और इस क्षेत्र में महत्वपूर्ण विकास के लिए नई तकनीक की क्षमता को प्रदर्शित करता है। यह एमएल मॉडल को सटीक रूप से प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता के महत्व को रेखांकित करता है।