भूस्खलन की भविष्यवाणी: IIT मंडी ने सटीकता में सुधार के लिए AI विकसित किया

भारतीय प्रौद्योगिकी संस्थान (आईआईटी), मंडी के शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस (एआई) और मशीन लर्निंग (एमएल) का उपयोग करके एक नया एल्गोरिदम विकसित किया है जो भूस्खलन जैसे प्राकृतिक खतरों की भविष्यवाणी की सटीकता में सुधार कर सकता है।

अधिकारियों के अनुसार, विकसित एल्गोरिदम भूस्खलन संवेदनशीलता मानचित्रण के लिए डेटा असंतुलन की चुनौती से निपट सकता है जो किसी दिए गए क्षेत्र में भूस्खलन की घटनाओं की संभावना का प्रतिनिधित्व करता है। उनके काम के परिणाम हाल ही में जर्नल "लैंडस्लाइड्स" में प्रकाशित हुए हैं। विकसित एल्गोरिदम का भूस्खलन के लिए परीक्षण किया गया है और इसे अन्य प्राकृतिक घटनाओं जैसे कि बाढ़, हिमस्खलन, चरम मौसम की घटनाओं, रॉक ग्लेशियरों और पर्माफ्रॉस्ट, मानचित्रण पर लागू किया जा सकता है। उन्होंने दावा किया कि बहुत कम डेटा बिंदु हैं, जो जोखिमों का अनुमान लगाने में मदद करते हैं।

भूस्खलन दुनिया भर के पहाड़ी क्षेत्रों में लगातार प्राकृतिक खतरा है, जिससे जीवन और संपत्ति का महत्वपूर्ण नुकसान होता है। "इन जोखिमों का अनुमान लगाने और अंततः उन्हें कम करने के लिए, भूस्खलन के लिए अतिसंवेदनशील क्षेत्रों की पहचान करना आवश्यक है। एक भूस्खलन संवेदनशीलता मानचित्रण (एलएसएम) ढलान, ऊंचाई, भूविज्ञान जैसे प्रेरक कारकों के आधार पर एक विशिष्ट क्षेत्र में होने वाले भूस्खलन की संभावना को इंगित करता है। आईआईटी मंडी में स्कूल ऑफ सिविल एंड एनवायरनमेंटल इंजीनियरिंग के एसोसिएट प्रोफेसर डी पी शुक्ला ने कहा, मिट्टी का प्रकार, दोषों, नदियों और दोषों से दूरी, और ऐतिहासिक भूस्खलन डेटा।

"भूस्खलन जैसी प्राकृतिक आपदाओं की भविष्यवाणी के लिए एआई का उपयोग तेजी से महत्वपूर्ण होता जा रहा है। वे संभावित रूप से चरम घटनाओं की भविष्यवाणी कर सकते हैं, खतरे के नक्शे बना सकते हैं, वास्तविक समय में घटनाओं का पता लगा सकते हैं, स्थितिजन्य जागरूकता प्रदान कर सकते हैं और निर्णय लेने में सहायता कर सकते हैं।

मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक उपक्षेत्र है जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना अनुभव से सीखने और सुधारने में सक्षम बनाता है। "यह एल्गोरिदम पर आधारित है जो डेटा का विश्लेषण कर सकता है, पैटर्न की पहचान कर सकता है, और भविष्यवाणियां या निर्णय ले सकता है, मानव बुद्धि की तरह। एमएल एल्गोरिदम, हालांकि, सटीक भविष्यवाणी के लिए बड़ी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है। एलएसएम के मामले में, इस डेटा में शामिल हैं जैसा कि पहले उल्लेख किया गया है, भूस्खलन के प्रेरक कारक और ऐतिहासिक भूस्खलन डेटा," उन्होंने कहा। शुक्ला ने समझाया कि कुछ क्षेत्रों में भूस्खलन एक दुर्लभ घटना है, जिससे प्रशिक्षण डेटा की व्यापक मात्रा की अनुपलब्धता होती है, जो एमएल एल्गोरिदम के प्रदर्शन में बाधा डालती है। "किसी दिए गए क्षेत्र के लिए, गैर-भूस्खलन बिंदुओं (नकारात्मक के रूप में माना जाता है) की तुलना में, भूस्खलन बिंदु (सकारात्मक माने जाते हैं) बहुत कम हैं, जिससे सकारात्मक और नकारात्मक बिंदुओं के बीच असंतुलन पैदा होता है जो भविष्यवाणी को प्रभावित करता है," उन्होंने कहा।

शुक्ला की टीम ने एक नया एमएल एल्गोरिदम विकसित किया है जो एल्गोरिथम के प्रशिक्षण के लिए डेटा असंतुलन के इस मुद्दे को दूर करता है। भूस्खलन मानचित्रण में असंतुलित डेटा के मुद्दे को संबोधित करने के लिए यह नमूनाकरण तकनीकों के तहत दो का उपयोग करता है, EasyEnsemble और BalanceCascade। उन्होंने कहा कि 2004 और 2017 के बीच उत्तर-पश्चिम हिमालय, उत्तराखंड, भारत में मंदाकिनी नदी बेसिन में हुए भूस्खलन के डेटा का उपयोग मॉडल को प्रशिक्षित करने और मान्य करने के लिए किया गया था।

जनता से रिश्ता इस खबर की पुष्टि नहीं करता है ये खबर जनसरोकार के माध्यम से मिली है और ये खबर सोशल मीडिया में वायरल हो रही थी जिसके चलते इस खबर को प्रकाशित की जा रही है। इस पर जनता से रिश्ता खबर की सच्चाई को लेकर कोई आधिकारिक पुष्टि नहीं करता है।

CREDIT NEWS: thehansindia