Подробные прогнозы того, как приближающееся цунами повлияет на северо-восточное побережье Японии, можно сделать за доли секунды, а не за полчаса или около того, что позволит выиграть драгоценное время для принятия соответствующих мер. Эта потенциально спасительная технология использует возможности машинного обучения.
Катастрофическое цунами, обрушившееся на северо-восток Японии 11 марта 2011 года, унесло жизни около 18 500 человек. Многие жизни можно было бы спасти, если бы раннее предупреждение о надвигающемся цунами включало в себя точные прогнозы того, насколько высока будет вода в разных точках вдоль береговой линии и дальше вглубь суши.
Побережье теперь может похвастаться крупнейшей в мире сетью датчиков для отслеживания движения дна океана. 150 морских станций, составляющих эту сеть, обеспечивают раннее предупреждение о цунами. Но чтобы иметь смысл, данные, генерируемые датчиками, должны быть преобразованы в высоту и протяженность цунами вдоль береговой линии.
Обычно для этого требуется численное решение сложных нелинейных уравнений, что обычно занимает около 30 минут на стандартном компьютере. Но цунами 2011 года обрушилось на некоторые участки побережья всего через 45 минут после землетрясения.
Теперь Иян Мулиа из Научной лаборатории прогнозирования RIKEN и его коллеги использовали машинное обучение, чтобы сократить время расчета до менее чем одной секунды.
«Главное преимущество нашего метода — скорость прогнозов, что имеет решающее значение для раннего предупреждения», — объясняет Мулия. «Традиционное моделирование цунами дает прогнозы через 30 минут, что уже слишком поздно. Но наша модель может делать прогнозы в течение нескольких секунд».
Поскольку цунами случаются редко, команда обучила свою систему машинного обучения, используя более 3000 сгенерированных компьютером событий цунами. Затем они протестировали его с 480 другими сценариями цунами и тремя реальными цунами. Их модель, основанная на машинном обучении, может достичь сопоставимой точности всего за 1% вычислительных усилий.
Такой же подход к глубокому обучению можно использовать и для других сценариев стихийных бедствий, где время имеет решающее значение. «Пределов нет — вы можете применять этот метод к любому типу прогнозов стихийных бедствий, когда временные ограничения очень ограничены», — говорит Мулиа, который впервые заинтересовался изучением цунами после того, как цунами в Индийском океане в 2004 году опустошило прибрежные районы его родной страны. Индонезия. «Сейчас я работаю над прогнозированием штормовых нагонов, также используя машинное обучение».
Работа опубликована в журнале Nature Communications.
Мулиа отмечает, что этот метод точен только для больших цунами высотой более 1,5 метров, поэтому он и его команда сейчас стремятся повысить его точность для меньших цунами.
