Nature Scientific Reports: Гибридная система прогнозирования индекса засухи в условиях сценариев изменения климата, основанная на объединении индексов с использованием метода искусственного интеллекта
Вследствие многомерного характера засухи и ограниченности одновариантных индексов в плане учёта совокупного метеорологического, гидрологического и социально-экономического воздействия, прогнозирование гибридных засух предоставляет ценную информацию для управления водными ресурсами. В данном исследовании предлагается система моделирования гибридной засухи на основе объединения индексов для бассейна реки Марун (Иран), охватывающая исторический (2002–2021 гг.) и будущий (2022–2040 гг.) периоды в рамках сценариев изменения климата SSP3.70 и SSP5.85. Ряд стандартных индексов засухи, основанных на данных об осадках, притоке воды, запасах в водохранилищах и расходе воды, был объединен с использованием энтропии Шеннона (SE), функций копулы* (C) и метода главных компонент (PCA) соответственно. В результате были разработаны три гибридных индекса засухи: SEHDI (на основе энтропии Шеннона), CHDI (на основе копулы) и PCAHDI (на основе метода главных компонент). После оценки оптимальных временных масштабов для отдельных индексов был выбран индекс CHDI, поскольку он обеспечивает комплексное и сглаженное представление динамики засухи, а также лучше отражает её продолжительность и интенсивность. Затем для прогнозирования гибридных индексов засухи (HDI) были применены три модели искусственного интеллекта: многослойный перцептрон (MLP), регрессия на основе метода опорных векторов (SVR) и случайный лес (RF). Кроме того, модели MLP и RF использовались для объединения результатов моделирования искусственным интеллектом с целью повышения точности прогноза. Результаты показали, что модель на основе объединения методов с использованием MLP демонстрирует высокую эффективность для индекса CHDI при сценарии SSP3.70, а модель на основе объединения методов с использованием RF — при сценарии SSP5.85. При использовании моделей, основанных на объединении методов, точность оценки индекса HDI существенно возросла (показатель ошибки улучшился на 2,4% для сценария SSP3.70). Полученные данные указывают на повышенный риск засухи при сценарии SSP5.85 (с высоким уровнем выбросов) и на снижение риска при более умеренном сценарии SSP3.70, что подтверждает практическую ценность предложенной системы для мониторинга засух и планирования управления водными ресурсами.
* Копула (от лат. copula — «связка», «соединение») — математическая функция, связывающая многомерное распределение с его одномерными (маргинальными) распределениями, описывая структуру зависимости между случайными величинами.