Применение нейросетевого моделирования в задачах прогнозирования уровня паводка рек

Цель данной статьи – рассмотреть теоретические и практические вопросы разработки нейросетевых моделей для прогнозирования паводка рек (на примере реки Белая в районе г. Уфы), а также реализовать соответствующую нейронную сеть на языке Python. Для построения обучающей выборки были использованы архивные данные метеослужб и сайтов метеонаблюдений за паводковые периоды реки Белая (Агидель) 2018–2022 годов. Были собраны и проанализированы следующие показатели: уровень воды, температура воды, дневная и ночная температура воздуха, осадки, высота снежного покрова, включая сведения о предпаводковом состоянии снежного покрова. Программная реализация нейронной сети выполнялась с использованием библиотеки глубокого обучения PyTorch; кроме этого, использовались модули библиотек Matplotlib и Pandas. Была изучена устойчивость работы данной нейронной сети при изменении следующих параметров: используемых оптимизаторов (Adam, Adamax и Rprop); коэффициента скорости обучения; количества нейронов в скрытом слое; количество эпох обучения. Делается вывод, что разработанная нейронная сеть может использоваться для моделирования
уровня паводка при создании краткосрочных прогнозов. Для перехода в перспективе к более долговременным прогнозам предполагается в дальнейшем расширить размер факторов в обучающей выборке.