Разработка моделей машинного обучения для прогнозирования возникновения и распространения природных пожаров

Номинация:
Алгоритмы и программные решения в области ИИ и больших данных

Описание проекта:
Оценка вероятности появления природных пожаров и их распространения является крайне важной задачей для множества стран. Однако используемые на данный момент подходы в основном базируются на индексах пожарной опасности, которые не обладают высоким пространственным разрешением, зачастую предоставляют общую оценку класса пожароопасности на весь регион и не учитывают специфику мелкомасштабных структур, которые в свою очередь могут значительно влиять на вероятность возникновения и распространения пожаров.
В рамках проекта разрабатывается алгоритмический подход, использующий наблюдения дистанционного зондирования Земли и нейронные сети для решения задачи прогнозирования появления и распространения природных пожаров.
Был собран и обработан большой объем пространственных данных по нескольким регионам РФ, содержащий как верифицированные данные о пожарах за несколько лет, так и метеорологические характеристики, оценки растительного покрова, рельефа и удаленности от населенных пунктов. На основе этих данных были рассчитаны дополнительные признаки и сформирован обучающий набор данных.
Были разработаны два методологических подхода и проведен ряд экспериментов с обучением сверточных нейронных сетей (для чего был использован суперкомпьютер Жорес). Первый подход позволяет по пространственным данным, оперативной информации о точке возгорания и прогнозным погодным данным оценить направление и скорость распространения пожара. Горизонт прогнозирования составляет 5 дней, и шаг прогноза равен 1 дню. Другой разработанный подход оценивает вероятность возникновения пожара, основываясь на наблюдениях за предыдущую неделю. Прогноз также делается на 5 дней вперед. Представленные алгоритмы в будущем позволят меньшими усилиями бороться с природными пожарами и оперативно реагировать на наиболее пожароопасные участки.

Результаты:
Была разработана методология и обучены модели машинного обучения для определения вероятности возникновения и прогнозирования распространения природных пожаров.
Среднее гармоническое точности и полноты прогноза (F1-score) для тестовых территорий составило около 0.7 для прогноза на первый день распространения пожара.
Была исследовано признаковое пространство и определены наиболее значимые входные данные.
На данные момент проводится доработка решения и его масштабирование на территорию всей России.

Освещение в СМИ:
Коммерсантъ: https://www.kommersant.ru/doc/5621097?ysclid=liilfwrzyd679847437
Первый канал: https://www.1tv.ru/shows/dobroe-utro/reportazh/iskusstvennyy-intellekt-nam-v-pomosh-dobroe-utro-fragment-vypuska-ot-05-06-2023

Команда проекта:
Сколковский институт науки и технологий, центр прикладного искусственного интеллекта
Шадрин Дмитрий Германович (Старший научный сотрудник)
Илларионова Светлана Владимировна (Научный сотрудник)
Губанов Федор Дмитриевич (Младший инженер-исследователь)
Бурнаев Евгений Владимирович (Руководитель проекта)

Контакты:
E.burnaev@skoltech.ru