Разработана система ИИ, которая улучшит подготовку прогнозов в энергетике

МОСКВА, 6 февраля. /ТАСС/. Российские исследователи разработали особый подход на базе гиперсетевой ИИ-модели, который позволяет очень точно и при этом быстро прогнозировать многомерные временные ряды. Эта разработка улучшит прогнозирование финансовых индикаторов и нагрузки на энергосистемы, сообщила пресс-служба Сбера.

"Вместо разработки сложной модели с огромным числом параметров, мы создали компактную гиперсеть. Ее задача - точно адаптировать основную модель под специфические особенности каждого набора данных. Это повышает точность предсказаний, в некоторых случаях до 20%, без снижения скорости работы. Такой метод уже готов для практического применения в различных областях, таких как интеллектуальные сети или финансовые платформы", - отметил директор Центра практического искусственного интеллекта Сбербанка Николай Тиден, чьи слова приводит пресс-служба Сбера.

Как говорится в сообщении, многие процессы в человеческом обществе, в финансовой сфере и в мире природы описываются так называемыми временными рядами. Так математики называют связанные наборы однотипных элементов, которые представляют собой значения некоторой величины - к примеру, температуры воздуха на метеостанции - или нескольких переменных, замеряемых через некоторые интервалы времени.

Анализ структуры временных рядов часто выявляет закономерности, позволяющие прогнозировать их поведение в будущем, однако сложность таких расчетов быстро растет по мере увеличения числа значимых факторов, потенциально влияющих друг на друга. В последние годы ученые пытаются приспособить для решения этих задач различные ИИ-алгоритмы, чему часто мешают небольшие размеры обучающих выборок или отсутствие у системы возможности искать связи между разными переменными в одном и том же наборе временных рядов.

Российские ученые применили для этой задачи так называемую гиперсеть - особую систему ИИ, которая используется для быстрого обучения другой, более компактной и быстрой нейросети и ее адаптации к решению конкретной задачи. Гиперсеть анализирует особенности каждого потока данных, к примеру, изучает характер потребления электроэнергии в конкретной квартире или закономерности движения на определенной улице, и формирует на основе этого анализа индивидуальные настройки прогнозирования для каждой переменной.

Этот ИИ-подход, как отмечают исследователи, можно использовать в самых разных областях экономики и науки. В частности, использование гиперсети и обученных при ее помощи легковесных моделей позволит энергетикам точнее прогнозировать нагрузки и снижать расход ресурсов, а в области городской логистики данные ИИ помогут уменьшить число пробок, гибко управляя работой светофоров. Также этот подход найдет применение в области финансов, экологии и медицины, подытожили ученые.