Модели глубокого обучения для долгосрочного прогнозирования засух по доступным ежемесячным климатическим данным представили ученые Сколковского института науки и технологий Сколтех совместно с коллегами из Сбера, 17 июля сообщает пресс-служба Сколтеха. Прогнозы такого рода важны сельскохозяйственным предприятиям для планирования деятельности, а также страховщикам и банкам, которым необходимо правильно оценить соответствующие риски и кредитные рейтинги корпоративных заемщиков. При планировании сельскохозяйственной деятельности нужны точные и долгосрочные прогнозы погоды, в том числе вероятность наступления засухи, эти же данные нужны для оценки при страховании рисков ее наступления. Однако качественные прогнозы засухи затруднены из-за большой роли случайностей в возникновении этого явления и сложности правильной оценки имеющихся данных. Решение этой проблемы, которое предложили исследователи из Сколтеха и Сбера, основано на комплексном нейросетевом подходе. Они использовали пространственно-временные нейронные сети и доступные ежемесячные климатические данные, объединив современные нейросетевые подходы с классическими методами. Модифицированные учеными модели они протестировали на данных, полученных по пяти регионам, расположенным в разных климатических зонах на разных континентах. Они использовали климатические данные по Польше, штату Миссури в США, бразильскому штату Гояс, индийскому штату Мадхья-Прадеш и северной части Казахстана. Результаты исследования, проведенного в рамках индустриального партнерства Сбера с Центрами ИИ, представлены в статье «Долгосрочное прогнозирование засухи с использованием глубоких нейронных сетей на основе геопространственных погодных данных», опубликованной в журнале Environmental Modelling & Software; препринт доступен в онлайн-библиотеке arXiv. Научный руководитель исследования, старший преподаватель Сколтеха и заведующий Лабораторией прикладных исследований «Сколтех-Сбербанк» (LARSS) в Центре прикладного ИИ Алексей Зайцев пояснил полученные результаты: «В ходе исследования было установлено, что для среднесрочного прогнозирования наилучшие результаты показала наша модификация модели EarthFormer на основе трансформера, а для долгосрочного прогнозирования — модификация модели ConvLSTM. Наша модель показывает высокое качество для разных климатических зон. За счет использования надежных методов ИИ ее качество останется высоким следующие 10 лет». В свою очередь, первый автор работы, старший инженер-исследователь Центра прикладного ИИ Сколтеха Александр Марусов, заявил: «Прогноз засухи имеет первостепенное значение для многих регионов нашей страны. В том числе и для моего родного края — Астраханской области. Однако моделирование этого природного явления достаточно сложно ввиду необходимости учета различных факторов, в том числе и глобального потепления. Наши модели позволяют строить качественные прогнозы засухи на год вперед». Полученные результаты будут использованы в системе управления рисками крупнейшего российского банка. По этому поводу соавтор статьи, управляющий директор департамента интегрированного риск-менеджмента Сбера Назар Сотириади отметил: «В России климатические риски не так заметны, как в странах с более высокой плотностью инфраструктуры, однако они уже существенно влияют на экономику. Засухи создают риски для сельского хозяйства, объектов энергетики и населения. Мы используем результаты совместных исследований с коллегами из Сколтеха для повышения точности наших оценок в страховании и кредитовании. В ближайшие годы управление этими рисками может иметь более существенное влияние на бизнес, чем мы предполагали 3–5 лет назад. В таких задачах без модельных оценок не обойтись». glavno.smi.today
