Алгоритъм създава правдоподобни сценарии за бедствия, които още не са се случвали

 

Как да подготвим електропреносната мрежа за горещини без исторически аналог или населението на някой градз за буря, по-тежка от всички измервани досега? Обичайните модели се учат от миналото, но най-опасните събития са редки и често все още липсват от наличните данни. Инженери от Масачузетския технологичен институт (MIT) предлагат метод за генериране на статистически правдоподобни крайни сценарии, без обучаващият набор да съдържа примери за самите рекорди.

Подходът се нарича Extreme Event Aware (Внимание при екстремни събития), или η-learning. Той съчетава налични пространствени карти с предварително известна статистика за показател, свързан с екстремността. Така алгоритъмът се учи да възпроизвежда нормалните зависимости в данните, но едновременно е ограничен да създава редки сценарии с зададена честота — например валеж, очакван веднъж на сто години за дадено място.

За демонстрация авторите използват съставяни в продължение на 25 години почасови карти на валежите над континенталната част на САЩ, обединени в дневни карти. Самото обучение на връзката между ниска и висока пространствена резолюция използва само първите шест месеца от архива, където има малко или никакви крайни валежи. От целия запис са извлечени точкови статистики за честотата на максималните количества.

След обучението системата може да създава подробни карти на събития, по-екстремни от тези в обучаващите примери: къде би паднал валежът, каква площ би обхванал и колко силен би бил. Идеята е инженерите да получат хиляди възможни реализации, срещу които да изпитат диги, мрежи или други критични системи.

Методът е публикуван в рецензираното списание Nature Communications. Той има теоретична обосновка чрез оптимален транспорт и е проверен върху примерни системи и задача за повишаване на пространствената резолюция на валежни данни. Потенциалните приложения включват също така и наводнения, пожари, роботика и финансов риск.

Алгоритъмът обаче не предсказва конкретното следващо бедствие, нито гарантира, че генерираната карта ще се случи. Правдоподобността зависи от качеството на входните данни и статистическите ограничения. Промени в климата могат да направят миналите честоти неподходящи за бъдещето, а реалните щети зависят и от уязвимостта на инфраструктурата. Инструментът може и да се окаже добър за стрес тестове и планиране, но все пак не е заместител на прогнозите, физичните климатични модели или експертните оценки.

 

Източници

Живейте по-добре с наука!

  • Развийте критично мислене и изградете защита срещу дезинформация.

  • Придобийте ключови умения за по-добър живот с нашите курсове във формат текст, видео и аудио.

  • Открийте новостите и иновациите в медицината.

  • Само 3 минути дневно са достатъчни, за да трансформирате живота си!

  • Всеки месец ви очаква нов брой с увлекателни статии по биология, космос, технологии, история, медицина и много други.

Изживейте науката навсякъде и по всяко време, като я четете на най-удобното за вас устройство.

 

Създадохме платформа, която предлага курсове и ръководства, насочени към решаването на житейски предизвикателства чрез научно обосновани методи. Тя не само подпомага личностното развитие, но и предоставя ценни знания за водене на по-здравословен, успешен и пълноценен живот. Благодарение на научния подход, потребителите ще имат възможност да подобрят своето благосъстояние и да постигнат по-високо качество на живот.

БГ Наука
Правила на поверителност

Използваме „бисквитки“, за да персонализираме съдържанието и рекламите, да предоставяме функции на социални медии и да анализираме трафика си. Също така споделяме информация за начина, по който използвате сайта ни, с партньорските си социални медии, рекламните си партньори и партньори за анализ.

Можете да коригирате всички настройки на „бисквитките“, като отворите разделите вляво.