Ученые из «Сколтеха» совместно с коллегами из Сбербанка предложили модели глубокого обучения для прогнозирования засух по климатическим данным. Долгосрочные прогнозы такого рода нужны сельскохозяйственным предприятиям — для планирования своей деятельности, страховщикам и банкам — для оценки соответствующих рисков и уточнения кредитных рейтингов корпоративных заёмщиков. Исследование опубликовано в престижном научном журнале первого квартиля Environmental Modelling & Software; препринт доступен в онлайн-библиотеке arXiv. Об этом CNews сообщили представители Сбербанка.
Чтобы планировать сельскохозяйственную деятельность, оценивать и страховать риски, связанные с возможностью наступления засухи, нужны точные и долгосрочные прогнозы. Проблема качественного прогнозирования засухи до сих пор не решена из-за стохастической природы (велика роль случайности) самого этого явления и сложности используемых данных.
Исследователи из «Сколтеха» и Сбербанка 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.
«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, — сказал 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: «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 Сбербанком в системе управления рисками.
Назар Сотириади, управляющий директор департамента интегрированного риск-менеджмента Сбербанка, соавтор статьи: «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 три–пять лет назад. В таких задачах без модельных оценок не обойтись».
Поделиться