Прогнозирование на основе искусственной нейронной сети второго поколения для поддержки принятия решений в особо значимых ситуациях

Abstract

Специализированные модели систем, реализованные на основе поддержки принятия решений с помощью искусственного интеллекта для воспроизведения, прогнозирования и предотвращения последствий исключительных ситуаций, становятся все более популярными. Под такие ситуации и состояния подпадают и паводки. Исходя из этого появляется задача прогнозирования исключительной ситуации на примере подъема уровней воды на стационарных гидрологических постах. Для решения данной проблемы предложена система поддержки принятия решений для прогнозирования уровней подъема воды, основанная на нейросетевом анализе ретроспективных данных с целью расчета значений уровней воды на пять дней вперед. За основу самой искусственной нейронной сети берется свободно распространяемая библиотека программ машинного обучения TensorFlow. В качестве обучения применен измененный метод обратного распространения ошибки. Основным отличием метода является добавление коэффициента повышения скорости обучения искусственной нейронной сети. Был проведен анализ эффективности предлагаемого решения в рамках прогнозирования паводковой ситуации. Он показал высокую точность при расчетах прогнозных значений уровней воды: разница между реальными и спрогнозированными значениями составила 2,10 %. Это позволит специализированным службам заблаговременно осуществлять противопаводковые мероприятия. Таким образом, информационное сопровождение во время особых ситуаций это абсолютный показатель качества данных, позволяющий вырабатывать и принимать решения в рамках прогнозирования возможных критических ситуаций и недопущения перевода состояния системы управления территорией в критическое.

Topics & Concepts