Новую гибридную модель глубокого обучения ИИ для прогнозирования стока воды в водосборных бассейнах в глобальном масштабе предложили китайские ученые, сообщает 5 мая агентство Синьхуа.

Модель призвана улучшить прогнозирование наводнений, говорится в недавней 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 2000 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.