Új AI-modell javítja a tűzvész utáni sárlavina-előrejelzést
Az új TabPFN modell 0,637-es threat score-ral végzett az élen a tűzvész utáni sárlavina-előrejelzésben, megelőzve a legjobb fafajtájú modelleket is.
A nyugati Egyesült Államokból származó, tűzvész utáni sárlavina-események medence-méretű megfigyelései alapján 15 modellt hasonlítottak össze, köztük a Tabular Prior-Data Fitted Network (TabPFN) modellt. Az ismételt, rétegzett keresztvalidálás azt mutatta, hogy a TabPFN érte el a legmagasabb augmentáció nélküli teljesítményt 0,637-es threat score-ral, szorosan követve a legjobb fafajtájú modellek. (ArXiv ML)
A modell teljesítménye és a kulcsfontosságú jellemzők
A SHapley Additive exPlanations (SHAP) módszert használták a predikciókat hajtó jellemzők azonosítására, feltárva, hogy a rövid idejű csapadékintenzitás és a viharösszeg következetesen a legmagasabb rangot kapta, míg a perzselés súlyossága és a terepviszonyok kevésbé járultak hozzá — írja az arXiv.
Szintetikus adatok alkalmazása
A kutatók tovább értékelték a szintetikus adatok augmentációját a TabPFN által generált minták felhasználásával, hogy orvosolják a sárlavina-megfigyelések ritkaságát. A szintetikus augmentáció minden modell teljesítményét javította, kivéve a CNN-t, és a deep learning modellek körében a legnagyobb átlagos threat score növekedést (+0,041) érte el.