Искусственный интеллект прогнозирует качество речной воды с помощью метеоданных

Команда исследователей под руководством Университета Пенсильвании использует искусственный интеллект (ИИ) для прогнозирования качества воды и заполнения пробелов в данных, вызванных сложностью сбора проб в удаленных районах. Эти усилия могут улучшить понимание реакции рек на антропогенное воздействие и изменение климата.

Ученые разработали модель для прогнозирования содержания растворенного кислорода (DO) — ключевого показателя способности воды поддерживать водную жизнь — в слабо контролируемых водосборах по всей территории США. Результаты опубликованы в Environmental Science & Technology. Модель основана на гипотезе, что общенациональная гидрометеорологическая база данных (температура воздуха, осадки, скорость течения) может быть использована для прогноза DO в удаленных районах, так как такие данные собираются гораздо чаще и с большим пространственным охватом, чем данные по химии воды.

Модель создана с использованием ИИ-фреймворка Long Short-Term Memory (LSTM). Для обучения сети использовались данные по водосборам с 1980 по 2000 год, включая концентрации DO, ежедневные гидрометеорологические измерения и атрибуты водосбора. Тестирование на данных с 2001 по 2014 год показало, что модель успешно усвоила динамику растворимости кислорода, включая её снижение в более теплой воде и на больших высотах, и продемонстрировала сильные прогностические способности почти в трех четвертях случаев. Модель лучше всего работает в районах со стабильным уровнем DO и условиями стока, а для улучшения прогнозов в изменчивых условиях требуется больше данных, фиксирующих пики и спады концентраций кислорода.