Методи машинного навчання для прогнозування природних катастроф на основі аналізу кліматичних даних

Abstract

Тема дослідження – застосування методів машинного навчання для прогнозування стихійних лих на основі кліматичних та супутникових даних. Метою роботи є створення моделі прогнозування природних катастроф на основі методів машинного навчання, задля ефективного раннього попередження та швидкого реагування. Методи дослідження включають аналіз часових рядів, регресійні моделі, методи класифікації, балансування SMOTE, SHAP-аналіз, AutoML (H2O), рекурентні нейронні мережі (LSTM), частотну декомпозицію, валідацію TimeSeriesSplit. Здійснено прогнозування стихійних лих на основі сучасних методів машинного навчання із реальних кліматичних спостережень (ERA5, EM DAT, ReliefWeb), включаючи попередню обробку змінних, побудову навчальних даних, автоматичний вибір моделі за допомогою H2O AutoML. Найкращі результати показала стекова модель з F1 = 0,872. Також, обговорено важливість функцій та надано рекомендації щодо впровадження системи в режимі реального часу.