Система на основе сверточной нейросети IceNet предсказывает состояние льдов Арктики на месяцы вперед. Инструмент позволит усовершенствовать системы раннего предупреждения, используемые для контроля безопасности животных и прибрежных поселений.
Арктика — район, наиболее подверженный глобальному потеплению. Предсказание динамики льдов является сложной физической задачей в силу того, что на его формирование оказывает влияние как воздух над ним, так и океан под ним.
Модель обучалась на датасете, содержащем данные моделирования климата на протяжении нескольких тысяч лет десятилетиями наблюдений изменения климата. IceNet реализована на Python с использованием TensorFlow. Входными данными IceNet являются 50 усредненных по месяцам климатических переменных. IceNet обрабатывает их с помощью ряда сверточных блоков с пакетной нормализацией. Выходными данными являются прогнозы плотности льда на следующие 6 месяцев.
Вычисления были выполнены с использованием графического процессора NVIDIA Quadro P4000, переобучение модели на новых данных занимает около суток. Это в несколько тысяч раз быстрее моделирования на основе законов физики. Точность прогнозов составляет 95% при сроке прогнозирования на два месяца вперед.
