Глубокое обучение может предсказать последствия цунами менее чем за секунду

 

Подробные прогнозы о том, как приближающееся цунами повлияет на северо-восточное побережье Японии, могут быть сделаны за доли секунды, а не за полчаса или около того, что позволит людям выиграть драгоценное время для принятия соответствующих мер. Эта потенциально спасительная технология использует возможности машинного обучения.

Катастрофическое цунами, обрушившееся на северо-восток Японии 11 марта 2011 года, унесло жизни около 18 500 человек. Многие жизни можно было бы спасти, если бы раннее предупреждение о надвигающемся цунами включало точные прогнозы того, какой высоты достигнет вода в различных точках побережья и в глубине страны.

 

В настоящее время побережье может похвастаться самой большой в мире сетью датчиков для мониторинга движения океанского дна. 150 морских станций, составляющих эту сеть, обеспечивают раннее предупреждение о цунами. Но для того, чтобы данные, полученные с помощью датчиков, имели смысл, их необходимо преобразовать в данные о высоте цунами и протяженности цунами вдоль береговой линии.

Для этого обычно требуется численно решить сложные нелинейные уравнения, что обычно занимает около 30 минут на стандартном компьютере. Но цунами 2011 года обрушилось на некоторые участки побережья всего через 45 минут после землетрясения.

Теперь Иян Мулиа из Научной лаборатории прогнозирования RIKEN и его коллеги использовали машинное обучение, чтобы сократить время расчета до менее чем одной секунды.

"Главное преимущество нашего метода - скорость прогнозирования, что крайне важно для раннего предупреждения", - объясняет Мулиа. "Обычное моделирование цунами дает прогнозы через 30 минут, что слишком поздно. Но наша модель может делать прогнозы в течение нескольких секунд".

Поскольку цунами - редкое явление, команда обучила свою систему машинного обучения, используя более 3 000 сгенерированных компьютером событий цунами. Затем они протестировали ее на 480 других сценариях цунами и трех реальных цунами. Их модель, основанная на машинном обучении, смогла достичь сопоставимой точности при затрате всего 1% вычислительных усилий.

Этот же подход, основанный на глубоком обучении, может быть использован для других сценариев стихийных бедствий, где время имеет решающее значение. "Этот метод можно применять для прогнозирования любых катастроф, где время ограничено", - говорит Мулиа, который впервые заинтересовался изучением цунами после того, как цунами 2004 года в Индийском океане разрушило прибрежные районы его родной страны - Индонезии. "Сейчас я работаю над прогнозированием штормовых нагонов, также используя машинное обучение".

Работа опубликована в журнале Nature Communications.

Мулия отмечает, что метод точен только для крупных цунами, высота которых превышает примерно 1,5 метра, поэтому он и его команда сейчас стремятся повысить его точность для меньших цунами.

Категория: Наука и Техника | Добавил: fantast (28.12.2022)
Просмотров: 25 | Рейтинг: 0.0/0