Google Research сделал свою технологию прогнозирования наводнений доступной для всех. Фреймворк на основе искусственного интеллекта размещен на GitHub, что позволяет национальным метеорологическим и гидрологическим службам интегрировать его в свои рабочие процессы.
Наводнения — одни из самых разрушительных стихийных бедствий. Новая разработка Google призвана повысить точность прогнозов и дать больше времени для реагирования на угрозу.
Открытый фреймворк позволяет исследователям и синоптикам обучать модели прогнозирования наводнений, используя ту же архитектуру и схожие наборы данных, что применяются в сервисе Google Flood Hub. Это дает возможность ученым экспериментировать с новыми моделями, а оперативным синоптикам — учитывать локальные данные для более точных предупреждений.
Модель представляет собой пакет на языке Python, использующий библиотеку PyTorch. Она анализирует географические данные (климат, типы почв, рельеф, землепользование) и метеорологические прогнозы (осадки, температура) для предсказания суточного расхода воды в реках.
Пакет включает архитектуры моделей на основе сетей Long Short Term Memory (LSTM) и конвейер для их обучения с использованием исторических данных о реках из открытого набора данных Caravan. Разработчики могут добавлять собственные данные для дообучения моделей под конкретные водосборные бассейны.
Google представил две версии модели: исходную, протестированную в исследовании 2024 года, и обновленную, которая используется для глобального прогнозирования наводнений в реальном времени на Flood Hub. Новая версия, использующая архитектуру ME-LSTM, расширяет горизонт надежного прогнозирования на шесть дней для рек с датчиками и на один день для рек без них.
Инициатива Google направлена на научное лидерство в области устойчивости к кризисам. Компания считает, что научные открытия достигают полного потенциала, когда они позволяют другим воспроизводить и развивать результаты. Партнерство с Чешским гидрометеорологическим институтом (CHMI) помогло проверить эффективность модели и ее интеграцию в платформу Delft-FEWS.