Искусственный интеллект предсказывает зоны риска оползней с точностью 95,6%

Исследователи из Центра Лейбница по исследованию сельскохозяйственных ландшафтов (ZALF) совместно с международными партнерами разработали новый методологический подход, значительно улучшающий прогнозирование оползней с использованием методов машинного обучения. Модель анализирует данные и создает точные карты, выделяя зоны, подверженные риску, достигая впечатляющей точности в 95,6%. Результаты опубликованы в журнале Scientific Reports.

Новый подход важен, так как оползни, часто возникающие внезапно, представляют серьёзную угрозу. Традиционные методы оценки рисков зачастую неточны или требуют много времени. Эта модель быстро анализирует огромные массивы данных об окружающей среде: уровень осадков, состав почвы, крутизну склона, растительный покров и антропогенную деятельность. Сравнивая эту информацию с данными о прошлых оползнях, модель выявляет закономерности, указывающие на зоны высокого риска.

Модель использует комбинацию шести различных методов машинного обучения, таких как логистическая регрессия, метод опорных векторов и случайный лес. Их прогнозы объединяются метаклассификатором для повышения общей точности. «С нашими новыми моделями прогнозирования мы можем определять районы, подверженные оползням, гораздо точнее, чем раньше, — объясняют Кришнагопал Халдер и доктор Амит Кумар Шривастава из ZALF. — Это важный шаг к лучшей защите людей и обеспечению устойчивого землепользования». Модель была успешно протестирована в субгималайском регионе Западной Бенгалии в Индии.