Петрозаводск 2015 - Современные методы МО в...
-
Upload
georgy-ayzel -
Category
Education
-
view
199 -
download
1
Transcript of Петрозаводск 2015 - Современные методы МО в...
Современные методы машинного обучения в
гидрологическом моделировании
Георгий Айзельк.т.н., м.н.с.
Институт водных проблем РАН
В большинстве случаев --- пересказ своей (не)давней научной статьи
3
I. Постановка
проблемы
II. Методы
III.Результаты
IV.Обсуждени
е
V. Выводы
Не остановились ли мы в развитии направления физико-
математического моделирования процессов
формирования речного стока?
4
5
Темы исследований
● Улучшение модели
● Неопределенности
● Климатические изменения
● Природные / антропогенные изменения
● Неизученные водосборы
● Долгосрочные / краткосрочные прогнозы
● …
Процесс-ориентированная парадигма● Эффективность гидрологического моделирования определяют эксклюзивные
знания о процессах формирования стока и особенностях той или иной используемой модели
● Мы не допускаем возможности, что автоматизированная система, построенная на принципах компьютерной логики может дать обоснованный и устойчивый результат
6
Парадигма, ориентированная на данные● Огромное количество источников данных● Большие данные● Машинное обучение● Возможность продвинутой интерпретации наблюдаемых
явлений
8
Процесс-ориентированные взаимодействия
Данные
Источники данных
Модель
Процессы
Параметры
Результат
Standard Modelling (work)Flow
Подготовка Моделирование Анализ
Суровая реальность
12
Данные
Источники данных
Модель
Процессы
Параметры
Результат
Synthetic Modelling (work)Flow
Подготовка Моделирование Анализ
Суровая реальность
Сопряженные или замещенные
взаимодействия процесс-ориентированных и дата-
ориентированных методов исследования
13
Модель SWAP
ПроцессыПараметры
Задача: расчет многолетнего гидрографа речного стока при недостаточности данных наблюдений
15
Данные глобальны
х баз
Оптимальные параметры
1.
Машинноеобучение
Искусственные
нейронные сети
2.
19
Направления развития
● Больше данных (открытых / закрытых, размеченных /
неразмеченных)
● data api (application interface)
● Машинное обучение (ANN, cNN, SVM, GEP, ...)
● Soft computing (fuzzy logic etc.)
● Кластерные вычисления (MapReduce, Hadoop)
● Супермодель
● Модель как сервис
● Открытый исходный код (crowdsourcing, воспроизводимость
вычислений)