Вчені в Китаї розробили нову модель штучного інтелекту під назвою ED-DLSTM, яка здатна прогнозувати ризик повеней і річковий стік по всьому світу, навіть у регіонах, де відсутні гідрологічні дані.
На відміну від традиційних моделей прогнозування, ED-DLSTM не покладається на історичні дані щодо річкового стоку, а використовує такі атрибути, як висота над рівнем моря та кількість опадів.
У публікації, опублікованій 6 травня в журналі The Innovation, що рецензується, дослідницька група під керівництвом професорів Китайської академії наук (CAS) продемонструвала чудову продуктивність своєї моделі в порівнянні з іншими.
Прогнозування потоків і повеней залишається однією з давніх проблем у гідрології. Традиційним фізичним моделям перешкоджають рідкісні параметри та складні процедури калібрування, особливо в водозбірних басейнах без вимірювання.
За даними Академії наук Китаю (CAS), понад 95% малих і середніх водозбірних басейнів у світі не мають даних моніторингу.
Дослідники з Інституту гірських небезпек і навколишнього середовища CAS використовували набори даних понад 2000 водозбірних басейнів у всьому світі, щоб провести навчання на моделях і впоратися з прогнозуванням водотоку в глобальному масштабі для всіх водозбірних басейнів із заміром і без нього.
Розподіл цих водозбірних басейнів значно відрізнявся, що забезпечувало різноманітність даних.
Результати показують, що точність прогнозування моделі була вищою, ніж традиційні гідрологічні моделі та інші моделі ШІ.
Дослідження продемонструвало потенціал методів глибокого навчання для подолання нестачі гідрологічних даних і недоліків у структурі та параметризації фізичної моделі, зазначається в дослідницькій статті.






























