Специалисты Пензенского государственного университета разработали программу с искусственным интеллектом, способную прогнозировать возникновение пожаров в лесных массивах.
Как сообщили ТАСС в пресс-службе Минобрнауки РФ, разработка предназначена для сотрудников МЧС, лесников и егерей и поможет предотвращать возгорания на ранних стадиях.
Нейросеть обучена на нескольких тысячах снимков, полученных со спутников, квадрокоптеров и вертолетов. Программа использует доработанную архитектуру, которая позволяет быстро распознавать проблемные зоны и самообучаться в процессе эксплуатации.
Технический консультант проекта Игорь Кочегаров пояснил, что в основе разработки лежит гибридная нейро-нечеткая адаптивная модель оценки пожароопасности. Она объединяет нечеткую логику Мамдани и глубокую нейронную сеть. Методика способна одновременно анализировать разнородные данные: метеорологические, геопространственные и экспертные оценки, поступающие в числовой, категориальной или даже лингвистической форме.
Как уточнил другой технический консультант Илья Рыбаков, программа конвертирует все эти гетерогенные данные в единое представление, нормализует их и подает в гибридную архитектуру, состоящую из обучаемого нейросетевого модуля и нечеткого продукционного блока.
Важная особенность системы — процедура адаптивного обучения с обратной связью. Модель уточняется по мере поступления новых данных или экспертных корректировок. Нейросеть уже обучена на снимках из открытых баз данных и умеет обнаруживать признаки пожароопасных ситуаций, например, буреломы.
Научный руководитель проекта Николай Юрков объяснил алгоритм работы: искусственный интеллект прогоняет поступающие снимки по созданной модели, строит внутренние матрицы и выявляет потенциально опасные места. Затем в эти точки можно оперативно направить бригаду для ликвидации угрозы.
Тестирование на экспериментальных данных показало впечатляющие результаты: точность прогноза приближается к 90%, а результат выдается всего за несколько секунд. Созданная программная реализация подтверждает работоспособность научной концепции. При успешной апробации разработку адаптируют для удобства конечных пользователей.
