Разработана программа с ИИ для предсказания лесных пожаров

ПЕНЗА, 5 марта. /ТАСС/. Подведомственный Минобрнауки России Пензенский государственный университет (ПГУ) разработал программу со встроенным искусственным интеллектом, способную предсказать возникновение пожара в лесных массивах. Разработка может быть использована сотрудниками МЧС, лесниками и егерями для предотвращения возгораний, сообщили ТАСС в пресс-службе Минобрнауки РФ.

"Нейронная сеть обучена на нескольких тысячах снимков, полученных со спутников, квадрокоптеров и вертолетов. Программа использует доработанную нейросеть, которая позволяет быстро распознавать "проблемные" зоны на снимках и самообучаться в процессе эксплуатации", - говорится в сообщении.

Как отметил технический консультант проекта, кандидат технических наук, доцент кафедры "Конструирование и производство радиоаппаратуры" Игорь Кочегаров, программа предназначена для построения и обучения нейро-нечеткой адаптивной модели оценки пожароопасности на основе синтеза нечеткой логики Мамдани и глубокой нейронной сети. Реализованная методика включает этап предварительной обработки мультиформатных входных данных. Методика способна одновременно анализировать метеорологические, геопространственные и экспертные оценки, поступающие в различной форме: числовой, категориальной и лингвистической.

"В процессе работы программы выполняется конвертация гетерогенных данных в единое представление, нормализация и подача в гибридную архитектуру, состоящую из обучаемого нейросетевого модуля и продукционного нечеткого блока", - комментирует еще один технический консультант Илья Рыбаков.

Программа также реализует процедуру адаптивного обучения с обратной связью, что позволяет уточнять модель при поступлении новых данных или экспертных корректировок. Нейронная сеть обучена на снимках из открытых баз данных и способна обнаруживать признаки пожароопасных ситуаций, например, бурелом. По словам научного руководителя проекта, доктора технических наук, профессора ПГУ Николая Юркова, искусственный интеллект прогоняет поступающие снимки по разработанной модели, строит внутренние матрицы и обнаруживает потенциально опасные места. После этого в эти места может быть направлена бригада для ликвидации угрозы.

Проверка предложения на тестовых данных показала, что точность прогноза приближается к 90%, а результат выдается в течение нескольких секунд. Созданная программная реализация позволяет проверить работоспособность предлагаемых научных концепций. При успешной апробации можно будет создать программу, удобную для конечных пользователей.