Сбер и Сколтех научились прогнозировать засухи на год вперёд

Учёные из Сколтеха совместно с коллегами из Сбера разработали ИИ-модели, предназначенные для прогнозирования засух по климатическим данным. Модели EarthFormer и ConvLSTM позволяют строить качественные прогнозы засухи на период от нескольких месяцев до года, отмечают в Сколтехе.

Решение основано на использовании пространственно-временных нейронных сетей и доступных ежемесячных климатических данных и объединяет современные нейросетевые подходы с классическими методами. Модели протестировали на данных по пяти регионам: Польша, штат Миссури в США, бразильский штат Гояс, индийский штат Мадхья-Прадеш и северная часть Казахстана. Исследователи выбрали регионы на разных континентах и в разных климатических зонах.

«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, —  рассказал научный руководитель исследования, старший преподаватель Сколтеха и заведующий Лабораторией прикладных исследований «Сколтех-Сбербанк» (LARSS) в Центре прикладного искусственного интеллекта Алексей Зайцев. — Наша модель показывает высокое качество для разных климатических зон. За счёт использования надёжных методов искусственного интеллекта её качество останется высоким следующие 10 лет».

Как отметил первый автор работы, старший инженер-исследователь Центра прикладного искусственного интеллекта Сколтеха Александр Марусов, прогноз засухи имеет важное значение для многих регионов России, однако её моделирование — сложная задача ввиду необходимости учёта различных факторов, в том числе и глобального потепления. Модели Сколтеха и Сбера позволяют строить прогнозы засухи на год вперёд,