Новую гибридную модель глубокого обучения ИИ для прогнозирования стока воды в водосборных бассейнах в глобальном масштабе предложили китайские ученые.
Об этом сообщает Информационное агентство Синьхуа.
Модель призвана улучшить прогнозирование наводнений, говорится в научной статье, опубликованной в журнале The Innovation.
Прогнозирование речного стока и наводнений остается одной из давних проблем в гидрологии. Традиционные модели, основанные на физическом моделировании, затруднены из-за нечеткости параметров и сложных процедур калибровки, особенно в неохваченных водосборных бассейнах.
По данным Китайской академии наук (CAS), более 95% малых и средних водосборных бассейнов в мире не имеют данных мониторинга.
Исследователи из Института горных опасностей и окружающей среды CAS использовали данные о более чем 2 тыс водосборных бассейнов по всему миру для обучения моделей, чтобы справиться с прогнозированием стока в глобальном масштабе для всех измеряемых и не измеряемых водосборных бассейнов.
Распределение этих водосборов значительно отличалось, что обеспечивало разнообразие данных.
Результаты показали, что точность прогнозирования модели была выше, чем у традиционных гидрологических моделей и других моделей искусственного интеллекта.
Исследование продемонстрировало потенциал методов глубокого обучения для преодоления недостатка гидрологических данных и недостатков в структуре и параметризации физической модели, отмечается в научной статье.
Кто мы такие: О нас и Контакты. Как мы пишем новости и наши принципы: Редакционный кодекс. Мы старались, если вам понравилось – задонатьте.
Если Вы заметили орфографическую ошибку, напишите нам.