MIT разработал алгоритм для сценариев редких экстремальных событий

Инженеры Массачусетского технологического института представили алгоритм Extreme Event Aware, или η-learning, для построения правдоподобных сценариев редких экстремальных событий без обучения на ранее зарегистрированных экстремумах. В демонстрации система работала с 25 годами почасовых карт осадков по континентальной части США и могла моделировать, например, ливень «раз в 100 лет» с максимумом 300 миллиметров.

Как алгоритм формирует редкие сценарии

Экстремальные явления редко попадают в исторические записи, поэтому обычным моделям часто не хватает примеров для обучения. При этом планировщикам, страховщикам и операторам инфраструктуры важно оценивать не только уже наблюдавшиеся события, но и более тяжёлые, хотя всё ещё возможные варианты.

η-learning объединяет два типа входных данных: точечную статистику и пространственные карты. Статистика описывает, как часто максимальное значение на карте достигает определённого уровня. Карты позволяют установить связь между общим рисунком явления с низкой детализацией и его детализированным представлением.

Для эксперимента исследователи преобразовали 25-летний ряд почасовых данных об осадках в дневные карты. Алгоритм обучали на парах карт низкого и высокого разрешения только из первых шести месяцев этого набора, где наиболее сильные осадки почти не встречались либо отсутствовали.

Что показала проверка на осадках

После обучения система использовала статистические ограничения, чтобы не допускать неправдоподобные варианты, и генерировала пространственные паттерны сильнее тех, что были представлены в обучающей выборке. Для условного ливня с максимумом 300 миллиметров модель может показать вероятные место возникновения, площадь охвата и интенсивность осадков.

Пользователь может задать частоту события, например один раз в сто лет, и получить тысячи возможных реализаций с такой редкостью. Авторы подчёркивают, что метод не предсказывает единственный будущий шторм, а формирует набор статистически правдоподобных сценариев для оценки риска.

Применение за пределами прогноза погоды

При наличии подходящей точечной статистики и пространственных данных подход можно использовать для визуализации экстремальных наводнений и лесных пожаров. Авторы также называют среди возможных областей роботизированную навигацию и финансовые рынки, где редкие события складываются из взаимодействия многих факторов.

Работа Кая Чанга и Фемиса Сапсиса опубликована 20 августа в Nature Communications. Исследование частично поддержали Vannevar Bush Faculty Fellowship и Управление научных исследований ВВС США.

Для бизнеса и операторов критической инфраструктуры такой подход даёт основу для стресс-тестов: можно сопоставлять проекты, мощности и планы реагирования не только с известными авариями, но и с набором редких сценариев, которые статистически возможны.