В городе создан алгоритм для анализа погоды, здоровья, экономики

Саратовские ученые приняли участие в разработке нового алгоритма для точного прогнозирования погоды и обработки медицинских сигналов.

По информации Российского научного фонда, создан метод машинного обучения для восстановления пропущенных или скрытых данных в сложных динамических системах, описывающих климатические изменения и биологические процессы. Новый подход превзошел по точности все современные аналоги, сократив ошибки в предсказании "упущенных" сведениях в десятки раз.

Считается, что технология будет полезна при обработке медицинских сигналов, прогнозировании погоды и экономических процессов. Результаты исследования, поддержанного грантом Российского научного фонда, опубликованы в журнале
IEEE Transactions on Neural Networks and Learning Systems.

Ученые из Саратовского госуниверситета и Российского экономического университета им. Плеханова в рамках междисциплинарного проекта РНФ, выполняемого в "Высшей школе экономики", разработали метод машинного обучения NGRC-MDS, взяв очень быструю и экономичную с точки зрения вычислений нейросеть, которую уже используют для прогнозирования. Но она плохо справляется с анализом неполных данных.

"Представим, что для предсказания погоды он рассматривает данные с интервалом в 10 минут. Но в реальности погода меняется не так постоянно: есть быстрые процессы (резкие порывы ветра) и очень медленные (плавные изменения атмосферного давления). Поэтому одинаковый шаг в 10 мин. позволит отлично уловить быстрые изменения, но совершенно бесполезен для понимания длительных", - говорит Артем Бадарин сотрудник РЭУ им. Плеханова и СГУ.

С помощью математических инструментов авторы усовершенствовали работу модели так, чтобы она не просто "считывала" равномерные шаги во времени, а анализировала структуру всех данных и выделяла в них ключевые периоды изменений. В результате алгоритм смог, меняя масштаб наблюдений, подбирать индивидуальные отрезки времени в прошлом, которые лучше всего помогают предсказать будущее состояние системы.

Ученые проверили эффективность разработки на трех классических моделях,описывающих поведение сложных систем - нейронов, атмосферы и популяций живых организмов. Новый метод превзошел по точности все современные алгоритмы-аналоги, используемые для восстановления неполных данных, и позволил сократить ошибку при прогнозировании в десятки раз.

Предполагается, что предложенная технология открывает путь к надежному прогнозированию экстремальных погодных явлений в климатологии, раннему предупреждению эпилептических приступов по ЭЭГ в медицине и предсказанию рыночных кризисов в экономике - там, где данные обычно многомасштабны и "зашумлены", и при этом критически важна каждая секунда предсказания. Планируется развивать метод для анализа макроэкономических процессов совместно с ВЭБ.РФ, а также исследовать применимость алгоритма для медицинской диагностики с НМХЦ им. Пирогова, Национальным медицинским исследовательским центром терапии и профилактической медицины, Пловдивским медуниверситетом и другими.