Исследователи из Сколтеха совместно с коллегами из Сбера предложили модели глубокого обучения для прогнозирования засух по климатическим данным. Долгосрочные прогнозы такого рода нужны сельскохозяйственным предприятиям для планирования своей деятельности, а страховщикам и банкам — для оценки соответствующих рисков и уточнения кредитных рейтингов корпоративных заемщиков.
На карте отмечены квадратами пять регионов: Польша, штат Миссури в США, бразильский штат Гояс, индийский штат Мадхья-Прадеш и северная часть Казахстана. На данных по этим регионам тестировали свои модели авторы исследования / © Александр Марусов и другие, Environmental Modelling & Software
Исследование опубликовано в престижном научном журнале первого квартиля Environmental Modelling & Software; препринт доступен в онлайн-библиотеке arXiv. Чтобы планировать сельскохозяйственную деятельность, оценивать и страховать риски, связанные с возможностью наступления засухи, нужны точные и долгосрочные прогнозы. Проблема качественного предсказания засухи до сих пор не решена из-за стохастической природы (велика роль случайности) самого этого явления и сложности используемых данных.
Исследователи из Сколтеха и Сбера предложили комплексный нейросетевой подход для средне- и долгосрочного прогнозирования засух: на период от нескольких месяцев до года. 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, расположенным на разных континентах и в разных климатических зонах, — это Польша, штат Миссури в США, бразильский штат Гояс, индийский штат Мадхья-Прадеш и северная часть Казахстана (смотрите карту).
«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, — объясняет научный руководитель исследования, старший преподаватель Сколтеха и заведующий Лабораторией прикладных исследований «Сколтех-Сбербанк» (LARSS) в Центре прикладного ИИ Алексей Зайцев. — Наша модель показывает высокое качество для разных климатических зон. За счет использования надежных методов ИИ ее качество останется высоким следующие 10 лет».
Первый автор работы, старший инженер-исследователь Центра прикладного ИИ Сколтеха Александр Марусов, отметил: «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».
Результаты исследования также будут применяться крупнейшим российским банком в системе управления рисками. Соавтор статьи Назар Сотириади, управляющий директор Департамента интегрированного риск-менеджмента Сбера, 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». Освещенное в пресс-релизе исследование поддержано Аналитическим центром при Правительстве России.
