В МТУСИ спрогнозировали температурные изменения в Антарктиде, используя нейросетевые технологии.

В последние десятилетия климатология стремительно прогрессирует, объем собранных данных постоянно увеличивается, методы исследования климата трансформируются от простых описаний к сложным прогнозам, а технологии обработки и анализа данных становятся все более совершенными, включая использование больших данных и искусственного интеллекта.

Антарктида, находящаяся на Южном полюсе, с экстремальными температурными условиями и удаленная от человеческой цивилизации, является уникальной площадкой для климатических исследований. Первоначальные исследования температурных трендов в Антарктиде, основанные на данных метеорологических станций, показали соответствие общим климатическим тенденциям, но с меньшими колебаниями. В частности, было зафиксировано незначительное потепление, характерное для нашего времени.

Анализ динамики температур представляет собой ключевую задачу в контексте оценки климатических изменений на планете. Изменение климата является одной из наиболее серьезных угроз для будущего человечества, так как оно может вызвать серьезные экологические, экономические и социальные последствия. Как глобальное потепление, так и вероятность нового ледникового периода создают риски для существования человеческой цивилизации.

Сотрудники кафедры «Экология» МТУСИ провели анализ климатических изменений на полюсе и разработали прогностическую модель, используя полносвязную нейронную сеть для предсказания температурных изменений в Антарктиде. Структура модели нейронной сети включает количество слоев, нейронов, параметры активации, функции потерь и оптимизатор.

«При создании нейронной сети, состоящей из двух полносвязных слоев, мы использовали функцию активации ReLU. Эта функция обеспечивает нелинейность и способствует лучшему выявлению сложных закономерностей в данных. Для оценки результатов тестирования мы применили метрику Median Absolute Error (МАЕ), которая наглядно продемонстрировала точность прогноза и выявила значительное влияние экстремальных климатических условий на точность прогноза по нескольким станциям. В частности, на «холодных» станциях результаты оказались несколько хуже, чем на «теплых», – рассказала завкафедрой «Экология», доцент, кандидат биологических наук Виктория Ерофеева.

Ученые подчеркивают, что полезность полносвязной нейронной сети заключается в ее способности адаптироваться к сложным нелинейным взаимосвязям в климатических данных. Высокая точность модели по сравнению с реальными наблюдениями подчеркивает ее эффективность в выявлении и прогнозировании температурных трендов в этом регионе.

«Тестирование проводилось с 2020 по 2024 годы. Нейронная сеть была протестирована на нескольких станциях Антарктиды и показала хорошие результаты. Наша задача заключалась в сравнении возможностей нейронной сети в прогнозировании климата для различных регионов континента с различными температурными режимами. Подробный анализ температурных флуктуаций и выявление ключевых периодов изменений позволили создать объективное представление о динамике климата на полюсе.

Для обучения модели мы использовали доступные данные из метеостанций на полюсе за период с 1958 по 2019 годы, которые включали температурные изменения, нормализацию и предобработку данных, а также стратегию валидации, что позволило достичь высокой точности прогнозов. В рамках проведенного исследования, учитывая климатические особенности континента, мы разделили станции на «теплые» (Ротер, Беллинсгаузен, Вернадский) и «холодные» (Восток, Амундсен-Скотт). Предварительные результаты показали, что тренды на «теплых» станциях, где средние температуры превышают –30 °С, отличаются от трендов на «холодных» станциях, где температуры значительно ниже», – пояснила старший преподаватель кафедры «Экология», Жанна Жукова.

Примечательно, что помимо тестирования моделей на исторических данных, ученые также провели прогнозирование температуры на ближайшие пять лет, что позволит оценить способность моделей адаптироваться к будущим климатическим изменениям.

Исследование демонстрирует существенный вклад полносвязных нейронных сетей в прогнозирование температурных изменений, подчеркивая их эффективность в выявлении сложных климатических паттернов. Основные тенденции, выявленные в ходе работы, указывают на возможность адаптации к изменяющимся климатическим условиям с помощью современных технологий машинного обучения.

Сосредоточив внимание на анализе различий между «холодными» и «теплыми станциями», ученые выявили некоторые особенности в прогнозировании в более экстремальных климатических условиях, что открывает новые горизонты для дальнейшего улучшения моделей и их адаптации к разнообразным климатическим условиям.

В будущем планируется оптимизировать подходы к анализу данных и повышению точности долгосрочных климатических прогнозов в регионе, особенно с учетом расширения географического охвата и совершенствования моделей прогнозирования.

Статья подготовлена на основе материала, размещенного на сайте научной электронной библиотеки ELIBRARY.RU «Использование нейронных сетей для моделирования климатических изменений».