Прогнозы наводнений в реальном времени с данными по кварталам могут спасать жизни. Новый метод машинного обучения делает это возможным

Экстремальные наводнения и оползни в Калифорнии в последние недели застали многих водителей врасплох. Внезапные провалы поглощали автомобили, шоссе превращались в быстрые потоки воды, целые районы эвакуировали. По меньшей мере 20 человек погибли, несколько — оказавшись в ловушке в машинах на залитых дорогах. Около двух третей смертей, связанных с наводнениями в США, классифицируются как «за рулем» и «в воде». Если бы люди знали о вероятности затопления в этих местах в реальном времени — через приложение или сайт, — возможно, некоторых смертей удалось бы избежать.

Сейчас даже службы экстренного реагирования имеют удивительно мало информации о том, где и когда вероятно наводнение. Точные прогнозы требуют огромных вычислительных мощностей, а детализация, важная для принятия решений (здания, маршруты эвакуации), недостижима. Новый подход, разработанный гидрологами, использует вероятностное обучение — тип машинного обучения. Он позволяет создавать локальные модели риска наводнений, которые могут определять условия буквально по улицам, используя прогнозы штормов в реальном времени.

Метод использует сложную гидрологическую модель для обучения более простых моделей, которые затем с высокой точностью имитируют поведение паводка в локальных условиях. Эти простые модели, сфокусированные на одной переменной (например, уровень затопления), требуют гораздо меньше вычислительной мощности. Ключевой момент: они разрабатываются заранее, до шторма, используя детальные данные о топографии, застройке и ливневой канализации. При добавлении прогноза погоды в реальном времени тысячи таких моделей дают точную картину вероятного затопления. В тестах на данных урагана «Харви» (2017, Хьюстон) вычислительная задача, которая в ином случае заняла бы годы, была выполнена за секунды с сопоставимой точностью.