Маёвцы рассчитывают риски наводнения на Амуре с помощью машинного обучения
Московский авиационный институт запустил проект по прогнозированию паводков и оползней в регионах России. Инициатором проекта стала лаборатория по искусственному интеллекту, принадлежащая «Сберу», SBER AI.
Над системой прогноза работают команда лаборатории по искусственному интеллекту кафедры 806 «Вычислительная математика и программирование» и IT-центр МАИ. Сейчас маёвцы оценивают риски наводнения на Амуре. Проект предполагает активное использование методов ML (машинного обучения).
Индустриальный запрос
Традиционные методы моделирования могут прогнозировать чрезвычайные природные явления только за 2-3 дня до их наступления. Благодаря машинному обучению проект маёвцев позволит готовить сценарии на неделю вперёд.
По словам разработчиков, новая система сможет, например, заранее предсказывать не только факт повышения уровня реки, но и определять конкретные участки населенных пунктов и дорог, которые будут подвержены затоплению. Это поможет оперативно организовать эвакуацию людей и рассчитать масштабы устранения последствий.
— Маёвцы откликнулись на индустриальный запрос, понимая необходимость в совершенствовании имеющихся систем. Идея отвечает запросам МЧС, региональных администраций, страховых компаний и глобальной повестке ESG-принципов, — комментирует руководитель IT-центра МАИ Мария Булакина.
Так, система прогнозирования не только сделает мониторинг опасных природных явлений качественнее, но и станет основой для скоринговой модели, по которой предсказывают риски в страховании недвижимости от природных катастроф.
Внедрение виртуальных гидропостов
Маёвцы обучают нейросети и строят цифровые модели рельефа. В процессе работы они собирают исторические данные по уровням воды в разных точках рек на гидропостах, информацию о погоде в регионе и о рельефе местности. Полученные данные объединяются в модель для предсказания, трансформируемую нейронную сеть.
Прогноз строится на неделю вперёд, и его точность варьируется от 70% до 90% в зависимости от сложности рассматриваемого участка речной долины.
Аналогичные системы уже существуют на рынке — например, модель, разрабатываемая Сколтехом, и модель, разрабатываемая Google. Преимущество маёвского проекта перед существующими состоит в использовании виртуальных гидропостов — цифровых двойников, установленных в неисследованных местах речной долины. Они предсказывают уровень воды там, где реальный счётчик параметров отсутствует — это уникальное решение команды МАИ.
Виртуальные гидропосты генерируются методами машинного обучения и математического моделирования.
— Из недостатков проекта пока можно отметить только зависимость модели от иностранных спутниковых систем, — рассказывает Мария Булакина. — Однако мы уже резервируем системы данных со спутников и прорабатываем стратегию развития отечественных платформ получения спутниковых снимков. Работа выполняется в рамках программы «Приоритет-2030», в которой МАИ принимает участие.
Развитие проекта
Проект будет внедрён в сервисы оповещения населения в регионах возможных наводнений. МЧС России принимает экспертное участие в разработке.
Сейчас разработчики системы делают упор на поисковые и фундаментальные исследования — разрабатывают концепцию решения задачи, собирают данные и готовят библиотеки с базовым функционалом.
В планах у маёвцев — внедрить проект в скоринговые модели, которые используют для оценки страховых рисков. Кроме того, полученные нейросетевые модели после опыта с рекой Амур будут применять для прогнозирования паводков на других реках России.
