Работа посвящена актуальной задаче повышения эффективности оперативного прогнозирования динамики развития лесных пожаров. Для решения данной задачи предложено разработать метод оперативного прогнозирования динамики развития лесного пожара при нестационарности и неопределенности на базе перспективных информационных технологий – искусственного интеллекта и глубокого машинного обучения (сверточной нейронной сети). В рамках исследования выполнен анализ современных отечественных и зарубежных моделей прогнозирования распространения лесного пожара и выявлены основные ограничения применения моделей в условиях реального пожара (высокая степень динамичности и неопределенности входных параметров, необходимость обеспечения минимального времени сбора и ввода входных параметров, а также минимального времени отклика модели). На базе полученных результатов обоснована необходимость применения инструментария искусственных нейронных сетей для решения проблемы прогнозирования динамики распространения лесного пожара. Разработана общая логическая схема метода оперативного прогнозирования динамики лесных пожаров, главной особенностью которого является построение дерева сверточных нейронных сетей. Для повышения качества обучения сверточной нейронной сети, реализующей функцию прогнозирования распространения лесного пожара, предложено формирование базы данных о динамике лесных пожаров.

Исследование выполнено при финансовой поддержке Российского фонда фундаментальных исследований, проект № 18-37-00035 «О зависимости динамики развития лесного пожара от влияния факторов окружающей среды, характера лесных насаждений и вида пожара при нестационарности и неопределенности»