Глубокое обучение может предсказать цунами за доли секунды

Ученые из Института RIKEN, Япония разработали нейросеть, которая может предсказать наступление цунами. Программа показывает не только сам факт приближения цунами, но и высоту волны и карту затопления прибрежной зоны. Быстрота вычисления позволит жителям прибрежных районов выиграть время: система предупреждает о цунами на 30 минут раньше, чем работающие сегодня системы оповещения. Во многих случаях это критически важно для спасения тысяч человеческих жизней.
Глубокое обучение может предсказать цунами за доли секунды
Высокая волна. Unsplash.com

Новая система даст людям те полчаса, которые и нужны, чтобы убежать от цунами

Катастрофическое цунами, обрушившееся на северо-восток Японии 11 марта 2011 года, унесло жизни около 18 500 человек. Многих можно было 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 в глубине суши.

РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

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.

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 можно все сделать гораздо быстрее.

Глубокое обучение

Схема предлагаемого метода
Схема предлагаемого метода
Nature Communications (2022). DOI: 10.1038/s41467-022-33253-5
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Ученые из Лаборатории прогнозирования Института RIKEN использовали машинное обучение, чтобы сократить время расчета от 30 минут до долей секунды.

«Главное преимущество нашего метода — скорость прогнозов, что имеет решающее значение для раннего предупреждения», — объясняет ведущий автор работы Иян Мулия.

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.

Гипотетические сценарии очагов цунами
Гипотетические сценарии очагов цунами
Nature Communications (2022). DOI: 10.1038/s41467-022-33253-5
РЕКЛАМА – ПРОДОЛЖЕНИЕ НИЖЕ

Не только цунами

Такой же подход можно использовать и для сценариев других стихийных бедствий, где время имеет решающее значение. «Пределов нет — вы можете применять этот метод к любому типу прогнозов стихийных бедствий с жесткими временными ограничениями», — говорит Мулиа, который впервые заинтересовался изучением цунами после того, как цунами в Индийском океане в 2004 году опустошило прибрежные районы его родной страны - Индонезии. Мулиа говорит: «Сейчас я работаю над прогнозированием штормовых нагонов, также используя машинное обучение».