Захаров Тимур
Республика Саха (Якутия), г. Якутск
МОБУ ФТЛ им. В. П. Ларионова, 11 класс
РАЗРАБОТКА МОДЕЛИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ ПАВОДКА НА РЕКЕ ЛЕНА
4
Научный руководитель: Романов Юрий Николаевич, Республика Саха (Якутия), г. Якутск, МОБУ ФТЛ им. В. П. Ларионова, учитель информатики
3
Ем
Тимур Захаров
43
Ем
РАЗРАБОТКА МОДЕЛИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ ПРОГНОЗИРОВАНИЯ ПАВОДКА НА РЕКЕ ЛЕНА
Актуальность
Паводки относятся к стихийным бедствиям. Наводнения приводят к разрушениям, даже к вспышке инфекционных заболеваний. С другой стороны, наш проект решает задачу подпроекта федерального проекта "Искусственный интеллект" для Росгидромета (Федеральной службы по гидрометеорологии и мониторингу окружающей среды) на территории Республики Саха (Якутия) (ФГБУ Якутское УГМС и МЧС) в части цифровизации, разработки технологии системы сервисов в области гидрометеорологии и мониторинга окружающей среды с применением методов искусственного интеллекта и глубокого машинного обучения, а также сервиса интерпретации результатов численных прогнозов погоды. Мы изучаем и внедряем технологию наукастинга метеорологических данных и явлений погоды, прогноза наводнений в период паводка. Прогнозирование уровня воды на реке - многоуровневая задача, которая может быть решена с помощью искусственного интеллекта. Актуальность применения искусственных нейронных сетей объясняется их востребованностью и практичностью в использовании.
Проблема
Наводнения порождают целый комплекс проблем, отражающих взаимосвязь природы и человеческого общества. Вопросы организации защиты территорий и предотвращения или минимизации ущерба от паводков и половодий интересуют население практически во всех районах мира и в нашей Республике Саха(Якутия). В Республике Саха (Якутия) очень сложно прогнозировать паводки на реке Лена из-за того, что много факторов оказывают влияние на этот процесс, а также изменение ландшафта русла реки и поведение в условиях вечной мерзлоты. Весной, когда река начинает скрываться в некоторых местах (Якутск, Кангалассы, Табага) образуются заторы из-за чего начинает затапливать прибрежные населенные пункты, критически важные и потенциально опасные объекты инфраструктуры и сельскохозяйственные угодья. Проблема в отсутствии цифрового сервиса для достаточно точного прогнозирования с помощью решений искусственного интеллекта, которая позволяет рационально спланировать и провести превентивные мероприятия по недопущению, либо минимизации ущерба от наводнений.
Цель проекта
Создать модель искусственного интеллекта для прогнозирования уровня воды на реке Лена с помощью нейронных сетей с визуализацией данных для прогноза и регулирования паводка для минимизации последствий от наводнения.
Задачи
  1. Изучить статьи по использованию искусственного интеллекта для решения задач прогнозирования, в том числе и для прогноза уровня воды во время паводка на северных территориях;
  2. Провести экспертное интервью со специалистом Якутского УГМС для понимания составления модели;
  3. Собрать датасет из данных Якутского УГМС, обработать для дальнейшего обучения;
  4. Обучить модель на обработанном датасете, протестировать модель и сделать результаты;
  5. Разработать программный продукт (сайт) для визуализации прогнозных данных с набором решений;
  6. Разработать организационный план для масштабирования и запуска проекта.
В работе разработана модель краткосрочного прогнозирования паводка на реке Лена на основе рекуррентной нейронной сети. Наша модель LSTM - особая разновидность архитектуры рекуррентных нейронных сетей, способная к обучению долговременным зависимостям. Модель была настроена и обучена с помощью библиотеки Keras. Доступные и открытые данные по температуре воздуха были проанализированы с помощью библиотеки Pandas и визуализированы с помощью библиотеки Matplotlib, а также графически отображены на созданном нами веб-приложении. Модель апробирована на данных датасет на 2018, 2019 и 2020 годы. Построены прогнозы с датасет на периоды 2021 и на 2022 годы.
Результаты
Таким образом, поставленные цели и задачи достигнуты.

  1. Изучили статьи по использованию машинного обучения для прогнозирования и также статьи по прогнозированию паводка на реках
  2. Провели экспертное интервью и получили понимание полученных данных из Якутского УГМС
  3. Собрали метеорологические данные, обработали и построили графики
  4. Обучили некоторые модели и получили результат. Разработали рекуррентную нейронную сеть LSTM для прогнозирования уровня воды
Перспективы развития
Данный проект может быть реализован через Министерство инноваций и цифрового развития Республики Саха (Якутия) в рамках реализации национального проекта "Цифровая экономика" и федерального проекта "Искусственный интеллект" на территории Республики Саха (Якутия) совместно с ФГБУ Якутское УГМС. Представленная модель рекуррентной нейронной сети позволяет сделать краткосрочные и среднесрочные прогнозы паводка на реке Лена. Наличие большего массива климатических и гидрологических параметров обучающей выборки нейронной сети позволяет ускорить процесс и повысить эффективность нейросетевого моделирования, что особенно актуально в чрезвычайных ситуациях, когда необходимо принимать оперативные решения для предупреждения паводка.
Расписание работы автора проекта
14 апреля, чт
Диалог с экспертами
Ответы на вопросы
10:00
10:20

11:35 - 11:45

Микита Г.И.
Горбунов А.В.
14 апреля, чт
10:40
11:00
11:20
Гутенков Р.Л.
Гурина Е.В.
Солдатова И.А.

Задайте вопрос автору проекта
Обязанность отвечать на заданные вопросы остается полностью на участнике. Организаторы форума не несут ответственности за сроки получения ответа.
Заполняя данную форму Вы соглашаетесь с политикой конфиденциальности сайта.
Пообщайтесь с автором в режиме реального времени
Вы можете посмотреть диалог с экспертом и задать вопросы автору в форме вебинара.
Расписание сессий приведено выше