Интерпретируемое глубокое обучение на основе Patch для распространения данных о лесных пожарах с помощью моделирования

Компьютерные науки > Машинное обучение [представлено 16 сентября 2026 года] Название: Устный анализ на основе Patch для дистанционного обучения в целях распространения лесных пожаров с помощью модели PDF HTML (экспериментального) резюме. Традиционно прогнозируется распространение Wildfire с использованием физических имитаторов, которые физически могут интерпретироваться, но стоимость которых возрастает при каждом дополнительном члене группы. Мы задаемся вопросом о том, насколько хорошо суррогаты могут воспроизвести эти имитации при незначительной стоимости, обучая их 10 584 пламенно-диффесионному моделированию на 2 м разрешение для региона Ректорет в Каталонии (Испания). Сравниваются четыре архитектуры: патч-нет, трансформатор с передачей знаний ResNet50, сеть с физикой, ограниченная уравнением адвекции на ветру и трансформатором Swin-Unet. Среди переменных рельефа и растительности только поверхностная нагрузка на топливо предсказывает вероятность горения с любой прочностью (r = 0,27), включая погрешность прогнозирования на 21%. Остальные переменные слабо коррелируют и сильно дублируют друг друга. Далее, эксперимент с примитивностью, оккультизацией и вращением показывает обучение моделей. Модели, основанные на заговоре, основываются главным образом на расстоянии от нынешнего фронта огня, в то время как Swin-Unet придает больше веса топливу и местности, что также отмечается в не связанных друг с другом данных о лесных пожарах. При применении без переподготовки ко второму…