推特等社交网络与AI结合，可能会创造更多的价值，它甚至可以帮助研究人员分析洪水。

来自欧洲委员会科学与知识服务联合研究中心的团队详细介绍了一个原型，洪水风险社交媒体（SMFR），可以通过推特用户的实时报告丰富欧洲洪水预警系统（EFAS）。

它建立在哈佛大学和谷歌于2018年8月发表的研究基础之上，即一种人工智能模型，能够预测大地震后一年内余震位置，以及12月份Facebook AI研究人员开发的一种分析卫星图像的方法，可量化火灾和其他灾害造成的损害。最近，谷歌的系统准确地预测了河流洪水，精度达到75％。

论文作者表示，“在过去的十年中，社交媒体已成为灾难期间的相关信息来源，促使来自不同领域的研究人员聚集在这一领域。社交媒体分析显示了其潜力，即能够提供及时、珍贵的危机时空分布信息，并识别与灾难相关的关键事件。”

首先，关于EFAS，它是哥白尼应急管理服务（Copernicus EMS）的一部分，由欧洲委员会的紧急响应协调中心（ERCC）运营，该中心旨在支持对欧洲灾害的协调应对。ERCC监控灾害和风险，收集和分析灾害数据，并为团队和设备部署准备计划。ERCC将EFAS用于预测，主要是概率性中程洪水预报（包括短程山洪），还包括季节预报，影响评估和早期预警。

研究人员的系统利用EFAS确定某个地理区域的洪水风险何时超过阈值。这就触发了推特收集数据，每次最多可调400个关键词。

鉴于EFAS覆盖了人口超过27种语言的区域，提取包含相关关键词的消息（即表示即将发生或最近发生洪水的词语）并非易事。



该团队的解决方案是一个多语言分类系统，它使用与语言无关的单词或单词嵌入的数学表示来推断四种语言中关键词的相似性，包括德语，英语，西班牙语和法语。

为了训练模型，团队采购了包含7000多条带注释消息的语料库（每种语言有1200到2300条消息）。与此同时，他们使用一个单独的模型找出有代表性的信息，在这些地区洪水风险已被预测（推文至少有90％的可能性与洪水相关）。

为了测试该方法，团队将SMFR整合到EFAS，SMFR收集了为期两天的大约14347条推文，并对这些推文进行了相关性分析。研究人员报告说，AI过滤的信息与实际的洪水密切相关，这对于开发缩短灾害早期反应时间的系统很有希望。

在事件发展中，收集的信息对国际救援协调员来说可能是有价值的，因为它们提供了有关当地响应的见解，关于当局是否发出洪水警报以及受影响者的一些担忧。

作为未来的研究，团队设想开发一个包含数十种语言的全球系统，并将社交媒体作为数据源以支持预测模型。