У МТУСІ спрогнозували зміни температури в Антарктиді за допомогою нейромережі.

У останні десятиліття наука про клімат стрімко розвивається, кількість зібраних даних прогресивно зростає, підходи до вивчення клімату змінюються від простих описів до складних прогнозів, а методи обробки та аналізу даних удосконалюються, включаючи використання технологій великих даних та штучного інтелекту.

Антарктида, що розташована на Південному полюсі, з екстремальними температурними умовами і віддалена від цивілізації, є унікальним місцем для вивчення клімату. Попередні дослідження температурних трендів в Антарктиді, основані на даних метеорологічних станцій, показали, що вони відповідають загальним кліматичним тенденціям, але з меншими коливаннями; зокрема, було зафіксовано незначне потепління, характерне для нашого часу.

Проблема аналізу динаміки температур є ключовою в контексті оцінки кліматичних змін на планеті. Зміна клімату є однією з найсерйозніших загроз для майбутнього людства, оскільки вона може призвести до серйозних екологічних, економічних і соціальних наслідків. Як глобальне потепління, так і ймовірність настання нового льодовикового періоду створюють ризики для існування людської цивілізації.

Працівники кафедри «Екологія» МТУСІ проаналізували кліматичні зміни на полюсі і розробили прогностичну модель, використовуючи повнозв'язну нейронну мережу для прогнозування температурних змін в Антарктиді. Структура моделі нейронної мережі включає кількість шарів, нейронів, параметри активації, функції втрат та оптимізатор.

«При розробці нейронної мережі, що складається з двох повнозв'язних шарів, ми використовували функцію активації ReLU. Ця функція забезпечує нелінійність і допомагає моделі краще виявляти складні закономірності в даних. Для оцінки результатів тестування ми застосували метрику Median Absolute Error (МАЕ), яка наочно продемонструвала точність прогнозу і показала значний вплив екстремальних кліматичних умов на точність прогнозу по кількома станціям. Зокрема, на «холодних» станціях результати виявилися трохи гіршими, ніж на «теплих», – розповіла завідувачка кафедри «Екологія», доцент, кандидат біологічних наук Вікторія Єрофєєва.

При цьому вчені підкреслюють, що доцільність використання повнозв'язної нейронної мережі полягає в її адаптації до складних нелінійних взаємозв'язків у кліматичних даних. Високий рівень точності моделі в порівнянні з реальними спостереженнями підкреслює її ефективність у виявленні та прогнозуванні температурних трендів у цьому регіоні.

«Тестування проводилося з 2020 по 2024 роки. Нейронна мережа була апробована на кількох станціях Антарктиди і показала хороші результати. Перед нами стояла задача порівняти можливості нейронної мережі в прогнозуванні клімату для регіонів континенту з різними температурними режимами. Детальний аналіз температурних флуктуацій і виявлення ключових періодів змін дозволили створити об'єктивне уявлення про динаміку клімату на полюсі.

Для навчання моделі ми використовували доступні дані з метеостанцій на полюсі з 1958 по 2019 роки, які включали температурні зміни, нормалізацію та попередню обробку даних, а також стратегію валідації, яка дозволила отримати високу точність прогнозів. В рамках проведеного дослідження, з урахуванням особливостей клімату континенту, ми розділили станції на «теплі» (Ротер, Беллінсгаузен, Вернадський) і «холодні» (Схід, Амундсен-Скотт). Попередні результати показали, що тренди на «теплих» станціях, де середні температури перевищують –30 °С, відрізняються від трендів на «холодних» станціях з значно нижчими температурами», – пояснила старший викладач кафедри «Екологія», Жанна Жукова.

Примітно, що на додаток до тестування моделей на історичних даних, вченими було проведено прогнозування температури на найближчі п'ять років, що дозволить оцінити здатність моделей адаптуватися до майбутніх кліматичних змін.

Дослідження демонструє значний внесок повнозв'язних нейронних мереж у прогнозування температурних змін, підкреслюючи їх ефективність у виявленні складних кліматичних патернів. Основні тенденції, виявлені в ході роботи, вказують на можливість адаптації до змінюваних кліматичних умов за допомогою передових технологій машинного навчання.

Приділяючи особливу увагу аналізу відмінностей між «холодними» і «теплими станціями», вчені виявили деякі особливості в прогнозуванні в більш екстремальних кліматичних умовах, що відкриває нові перспективи для подальших поліпшень моделей і адаптації їх до різноманітних кліматичних умов.

У подальшому планується оптимізувати підходи до аналізу даних і покращення точності довгострокових кліматичних прогнозів у регіоні, зокрема, з урахуванням розширення географічного охоплення та вдосконалення моделей прогнозування.

Стаття підготовлена на основі матеріалу, розміщеного на сайті наукової електронної бібліотеки ELIBRARY.RU «Використання нейронних мереж для моделювання кліматичних змін».