В Красноярске создали интеллектуальные системы, которые помогают заранее оценивать риски паводков и лесных пожаров. Разработкой занимались ученые и студенты Сибирского государственного университета науки и технологий имени академика М. Ф. Решетнева. Проект ориентирован на предупреждение природных ЧС и поддержку решений в ситуациях, когда важна скорость реакции и точность прогноза.
Для аграрной сферы такая технология особенно важна весной и летом, когда паводки могут нарушать транспортное сообщение, подтапливать сельские территории и осложнять проведение сезонных работ, а пожары создают угрозу полям, пастбищам, лесополосам, складам и технике. Поэтому подобные цифровые системы могут быть полезны не только спасательным службам, но и муниципалитетам, хозяйствам, перевозчикам и всем, кто работает в зонах повышенного природного риска. Это вывод из самого характера разработки, нацеленной на предупреждение паводков и пожаров.
На первом этапе команда анализировала изменения уровня воды на реках Нижняя и Подкаменная Тунгуска в Красноярском крае. Задачей стало определение безопасных сроков навигации в паводковый период. Для этого исследователи использовали исторические данные, метеопрогнозы, статистический анализ и методы машинного обучения. В результате были построены регрессионные модели, способные заранее оценивать подъем воды и помогать в планировании начала и завершения навигации.
С точки зрения АПК это может иметь прикладное значение для территорий, где речная логистика влияет на снабжение удаленных поселений, доставку грузов, топлива, кормов и других ресурсов. Чем точнее удается спрогнозировать паводковую ситуацию, тем проще заранее перестроить маршруты и снизить риски срыва сезонных поставок. Это следует из описанного в новости назначения моделей для более точного планирования навигации и повышения безопасности судоходства.
Параллельно исследователи работали с большой базой данных по пожарам в России за 2012–2022 годы. В анализ вошли сведения примерно о пяти млн. возгораний. На этой основе были созданы модели, которые позволяют отделять наиболее опасные случаи с пострадавшими и погибшими, а также прогнозировать материальный ущерб. Для этого применялись методы опорных векторов, случайного леса и градиентного бустинга. Точность классификации превысила 85%.
Для сельского хозяйства это важный сигнал: чем лучше работают системы раннего анализа пожаров, тем выше шансы быстрее защитить сельхозугодья, фермы, элеваторы, лесные массивы рядом с полями и сельскую инфраструктуру. В условиях, когда пожары нередко распространяются на большие территории, цифровой прогноз становится не просто научным инструментом, а частью практической защиты сельских районов. Этот вывод логично вытекает из задачи разработки – повысить оперативность спасательных работ и качество планирования восстановления территорий, пишет ТАСС.
Разработанные алгоритмы уже зарегистрированы в Роспатенте как программы для ЭВМ. Кроме того, в университете готовят техническую основу для отдельного репозитория, где будут собираться данные о природных и техногенных катастрофах. Предполагается, что такая база станет открытым ресурсом для исследователей, студентов и специалистов, работающих в сфере предупреждения чрезвычайных ситуаций.
