HP Current Affairs Daily - 23 July 2023 in Hindi (Himachal Pradesh News)
Himachal Pradesh current affairs pdf 2023 | hp Current Affairs July 2023 in Hindi pdf | Himachal current affairs pdf || hp current affairs magazine | hp Current Affairs today | hp current affairs in Hindi | current affairs Himachal Pradesh 2023 || hp current affairs July 2023 | HP Current Affairs & GK July 2023 | HP Current Affairs Daily - July 2023 in Hindi - for HPAS/Allied & HPPSC Exam | Himachal Pradesh current affairs for HPPSC | Himachal Pradesh GK for HPAS | HP current affairs for competitive exams
Using AI To Predict Natural Disasters
- The Indian Institute of Technology Mandi researchers have developed a new algorithm using Artificial Intelligence and Machine Learning (AI&ML) that could improve the accuracy of prediction for natural hazards.
Key Points:
- The algorithm developed by Dr Dericks Praise Shukla, Associate Professor, School of Civil and Environmental Engineering, IIT Mandi, and Dr Sharad Kumar Gupta, former research scholar, IIT Mandi, currently working at Tel Aviv University (Israel), can tackle the challenge of data imbalance for landslide susceptibility mapping which represents the likelihood of landslide occurrences in a given area. The results of their work have recently been published in the journal Landslides.
Landslides:
- Landslides are a frequent natural hazard in mountainous areas around the world, causing significant losses of life and property. To estimate and eventually mitigate these risks, it is essential to identify areas that are susceptible to landslides. A Landslide Susceptibility Mapping (LSM) indicates the likelihood of a landslide occurring in a specific area based on causative factors such as slope, elevation, geology, soil type, distance from faults, rivers and faults, and historical landslide data.
Prediction of natural disasters using AI:
- The use of Artificial Intelligence (AI) is becoming increasingly vital for the prediction of natural disasters such as landslides. They can potentially predict extreme events, create hazard maps, detect events in real-time, provide situational awareness, and support decision-making.Machine Learning (ML) is a subfield of Artificial Intelligence that enables computers to learn and improve from experience, without being explicitly programmed. It is based on algorithms that can analyse data, identify patterns, and make predictions or decisions, much like human intelligence.ML algorithms, however, require large amounts of training data for accurate prediction. In the case of LSM, this data consists of the causative factors of landslides as mentioned earlier, and historical landslide data. However, landslides are a rare occurrence in certain areas, leading to the unavailability of extensive amounts of training data, which hinders the performance of ML algorithms.For a given area, in comparison to non-landslide points (considered as negative), landslide points (considered as positive) are fewer, thus creating an imbalance between positive and negative points which affects the prediction.The team has developed a new ML algorithm that overcomes this issue of data imbalance for training the algorithm. It uses two under sampling techniques, EasyEnsemble and BalanceCascade, to address the issue of imbalanced data in landslide mapping.Data about the landslides that occurred in the Mandakini River Basin in northwest Himalaya, Uttarakhand, India, between 2004 and 2017 were used to train and validate the model. The results showed that the algorithm significantly improved the accuracy of the LSM, particularly when compared to traditional machine learning techniques such as Support Vector Machine and Artificial Neural Network.
प्राकृतिक आपदाओं की भविष्यवाणी करने के लिए एआई का उपयोग करना
- भारतीय प्रौद्योगिकी संस्थान मंडी के शोधकर्ताओं ने आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग (एआई एंड एमएल) का उपयोग करके एक नया एल्गोरिदम विकसित किया है जो प्राकृतिक खतरों के लिए भविष्यवाणी की सटीकता में सुधार कर सकता है।
प्रमुख बिंदु:
- डॉ. डेरिक्स स्तुति शुक्ला, एसोसिएट प्रोफेसर, स्कूल ऑफ सिविल एंड एनवायर्नमेंटल इंजीनियरिंग, आईआईटी मंडी और डॉ. शरद कुमार गुप्ता, पूर्व शोध विद्वान, आईआईटी मंडी, जो वर्तमान में तेल अवीव विश्वविद्यालय (इज़राइल) में कार्यरत हैं, द्वारा 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 नतीजे हाल ही में लैंडस्लाइड्स पत्रिका में प्रकाशित हुए हैं।
भूस्खलन:
- दुनिया भर के पहाड़ी इलाकों में भूस्खलन एक लगातार प्राकृतिक खतरा है, जिससे जान-माल का काफी नुकसान होता है। इन जोखिमों का अनुमान लगाने और अंततः उन्हें कम करने के लिए, उन क्षेत्रों की पहचान करना आवश्यक है जो भूस्खलन के प्रति संवेदनशील हैं। भूस्खलन संवेदनशीलता मानचित्रण (एलएसएम) ढलान, ऊंचाई, भूविज्ञान, मिट्टी के प्रकार, दोषों, नदियों और दोषों से दूरी और ऐतिहासिक भूस्खलन डेटा जैसे कारक कारकों के आधार पर एक विशिष्ट क्षेत्र में भूस्खलन होने की संभावना को इंगित करता है।
एआई का उपयोग करके प्राकृतिक आपदाओं की भविष्यवाणी:
- भूस्खलन जैसी प्राकृतिक आपदाओं की भविष्यवाणी के लिए आर्टिफिशियल इंटेलिजेंस (एआई) का उपयोग तेजी से महत्वपूर्ण होता जा रहा है। वे शक्तिशाली हो सकते हैंचरम घटनाओं की वास्तविक रूप से भविष्यवाणी करें, खतरनाक मानचित्र बनाएं, वास्तविक समय में घटनाओं का पता लगाएं, स्थितिजन्य जागरूकता प्रदान करें और निर्णय लेने में सहायता करें। मशीन लर्निंग (एमएल) आर्टिफिशियल इंटेलिजेंस का एक उपक्षेत्र है जो कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना अनुभव से सीखने और सुधार करने में सक्षम बनाता है। यह एल्गोरिदम पर आधारित है जो डेटा का विश्लेषण कर सकता है, पैटर्न की पहचान कर सकता है और मानव बुद्धि की तरह भविष्यवाणियां या निर्णय ले सकता है। हालांकि, सटीक भविष्यवाणी के लिए एमएल एल्गोरिदम को बड़ी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है। एलएसएम के मामले में, इस डेटा में जैसा कि पहले उल्लेख किया गया है, भूस्खलन के कारक कारक और ऐतिहासिक भूस्खलन डेटा शामिल हैं। हालाँकि, कुछ क्षेत्रों में भूस्खलन एक दुर्लभ घटना है, जिसके कारण व्यापक मात्रा में प्रशिक्षण डेटा की अनुपलब्धता होती है, जो एमएल एल्गोरिदम के प्रदर्शन में बाधा डालती है। किसी दिए गए क्षेत्र के लिए, गैर-भूस्खलन बिंदुओं (नकारात्मक माने जाने वाले) की तुलना में, भूस्खलन बिंदु (सकारात्मक माने जाने वाले) कम होते हैं, इस प्रकार सकारात्मक और नकारात्मक बिंदुओं के बीच असंतुलन पैदा होता है जो भविष्यवाणी को प्रभावित करता है। टीम ने एक नया एमएल एल्गोरिदम विकसित किया है जो एल्गोरिदम के प्रशिक्षण के लिए डेटा असंतुलन के इस मुद्दे को दूर करता है। यह भूस्खलन मानचित्रण में असंतुलित डेटा के मुद्दे को संबोधित करने के लिए नमूनाकरण तकनीकों, EasyEnsemble और BalanceCascade के तहत दो का उपयोग करता है। 2004 और 2017 के बीच उत्तर पश्चिम हिमालय, उत्तराखंड, भारत में मंदाकिनी नदी बेसिन में हुए भूस्खलन के बारे में डेटा का उपयोग मॉडल को प्रशिक्षित करने और मान्य करने के लिए किया गया था। परिणामों से पता चला कि एल्गोरिदम ने एलएसएम की सटीकता में काफी सुधार किया है, खासकर जब पारंपरिक मशीन लर्निंग तकनीकों जैसे सपोर्ट वेक्टर मशीन और आर्टिफिशियल न्यूरल नेटवर्क की तुलना में।
ALSO, READ PREVIOUS DAILY HP CURRENT AFFAIRS
Candidates can leave their comments in the comment box. Any queries & Comments will be highly welcomed. Our Panel will try to solve your query. Keep Updating Yourself.
For Free Study Material Click Here to Join Our Official Telegram Group
TAGS: #HimachalCurrentAffairs #HimachalGK #HPASCurrentAffairs #HPPSCGK #HimachalHistoryForExams #HimachalGeographyForExams #HimachalPolityForExams #HimachalEconomyForExams #HimachalCultureForExams #HimachalAwardsForExams #HimachalSportsForExams #HPCompetitiveExams
