1989年3月，魁北克水电站的电网发生故障，导致600万人断电。一周前，一场罕见的暴风雪袭击了该地区;前一天，太阳耀斑及其伴随的等离子体和磁场释放释放出大量能量，以每小时100万英里的速度向地球推进。
这些相互联系的系统——环境科学、太空天气和太阳活动——之间复杂的相互作用将电网推到了一个临界点，而这是任何一个系统都无法理解的。
预测风险调查系统的多层动态互连分析(棱镜),由国家科学基金会(NSF)资助,由David s . Matteson共同领导,统计和数据科学副教授,旨在利用数据来识别风险因素等灾难性事件的跨领域1989停电,影响交通、食物、水、卫生和金融和积累成本超过20亿美元。
PRISM拥有数据科学、统计学、计算机科学、金融、能源、农业、生态、水文、气候和空间天气等领域的专家团队，将整合不同领域的数据以提高风险预测。
“我们想把注意力集中在这些最坏的情况和与之相关的风险上，以及我们如何衡量它们的可能性，”Matteson说。
“我们希望，”他说，“通过识别具有系统重要性的关键风险——那些将不同领域联系在一起、具有最大溢出潜力的风险——我们将在控制这些风险方面产生最广泛的影响。”
Matteson说，如果当时有系统来认识到暴风雪和太阳耀斑所造成的风险，1989年的停电可能就可以避免，或者至少可以最小化。同样，了解信息技术对卫生保健和交通等系统的影响方式，可以帮助决策者制定更有效的应对方案。
Matteson说，多学科方法至关重要，因为当今世界是由高度相互联系和相互依赖的系统组成的，没有一个专家有能力识别风险的迹象或灾难的全面影响。使用数据科学——这是院长的激进合作计划之一——将有助于整合信息以发现模式。
Matteson说:“我们希望从这些不同的领域收集信息，并把它们放在一起，以量化关键系统何时受到压力和压力，并找出如何准备。”
研究人员计划汇集农业、气候和能源等领域的大型数据集，创建一个交互式数据库。一旦他们开发了这个库，他们将使用最先进的数据分析来识别他们所谓的关键风险指标——与风险暴露相关的可量化信息，尤其是潜在的灾难。他们还将利用机器学习来寻找数据中的异常现象，这些异常可能会带来新的见解。
然后，研究人员将集中精力识别风险之间的相互联系，以及跨不同领域的具有系统重要性的风险指标，以便预测潜在的风险，并在风险发生后减少可能的系统范围内的损失。他们计划检查已知的风险指标，并应用数据科学来识别新的风险指标，Matteson说。
作为该项目的一部分，研究人员将与相关领域的利益相关者合作，希望决策者能够采纳他们的研究结果。他们的目标是帮助建立灾难的早期预警，提高对世界范围内破坏性事件的准备。
“最终，我们希望利用这些信息来确定具有系统重要性的风险指标，作为风险缓解的整体目标，”Matteson说，“在确定这些指标时，我们希望决策者将其纳入他们的规划。”
这个项目的合作者有:林肯公园动物园的朱迪·切-卡斯塔尔多;国际气候与社会研究所的雷米表亲;加州大学圣地亚哥分校的拉杰什·古普塔;大气空间技术研究协会的Ryan McGranaghan;肯塔基大学的魏仁;宾夕法尼亚州立大学的沈超鹏;马萨诸塞大学阿姆赫斯特分校伊森堡管理学院的米拉·盖特曼斯基·舍曼;塔夫茨大学的黛博拉·桑德。
新闻旨在传播有益信息，英文原版地址：http://news.cornell.edu/stories/2020/01/cornell-co-leads-effort-use-big-data-combat-catastrophes