En+ Group и компания Aerostate приступили к созданию программы на основе BigData и машинного обучения, которая позволит повысить точность долгосрочных прогнозов уровня воды в Байкале. 

Результаты исследований будут предоставлены органам государственной власти, ответственным за установление пропускного режима гидроэлектростанций региона, в том числе трёх ГЭС группы на реке Ангара.

Цифровое прогнозирование повысит уровень управления водными ресурсами озера и приведёт к снижению антропогенного влияния на экосистему Байкала. Помимо улучшения экологических показателей, данные результаты также очень важны для жителей и энергетиков - на вытекающей из Байкала реке Ангаре стоит в том числе ГЭС компании En+ Group — крупного производителя алюминия и электроэнергии.

Группа реализует комплексную программу защиты озера. В ей рамках была организована научная экспедиция по изучению влияния человека на экосистему озера, в ходе которой проводился анализ количественного содержания пластика и микропластика в озере. Проект ENvision должен стать новой частью этой программы.

Ранее предполагалось, что периоды маловодья на Байкале сменяются периодами половодья, но наблюдения за поведением акватории в последние 10–15 лет показали, что это не так. Между тем отсутствие качественного долговременного прогноза приточности Байкала является одним из факторов, затрудняющих принятие эффективных управленческих решений. Отсутствие точных долгосрочных расчетов помимо прочего не позволяет подготовиться к потенциальным катаклизмам.

В проекте ENvision будет реализован новый подход к прогнозированию приточности Байкала. На основе всего объема имеющихся исторических данных компьютерная математическая модель с помощью методов машинного обучения и алгоритмизации процессов, происходящих с озером, создаст новую модель определения потенциального уровня акватории. При этом будут учитываться таяние снега, скорость течения рек, поведение ветров.

Только изучение факторов, которые влияют на приточность Байкала, займет порядка 17 месяцев. Разработанный алгоритм позволит прогнозировать приточность озера на срок от 6 до 18 месяцев.

Источник: https://watermagazine.ru/novosti/tekhnika-tekhnologii/23588-en-group-organizuet-tsifrovoe-prognozirovanie-pritochnosti-bajkala-na-osnove-big-data-i-machine-learning.html