Введение
В 2023 году в Ист-Палестине, штат Огайо, сошёл с рельсов поезд, перевозивший опасные материалы. В 2025 году разрушительные лесные пожары охватили Лос-Анджелес. В обоих случаях был выброшен токсичный плюм — облако вредных материалов, которое распространяется в воздухе под воздействием ветра и турбулентности.
Риски, связанные с токсичными плюмами
Токсичные плюмы, возникающие в результате промышленных аварий, химических разливов и структурных пожаров, могут представлять непосредственную и серьёзную угрозу здоровью и окружающей среде, особенно в густонаселённых городских районах. Существующие компьютерные модели для прогнозирования движения плюмов могут занимать несколько часов, оставляя службы экстренного реагирования без быстрых и надёжных прогнозов и препятствуя планированию эвакуации и работе систем раннего предупреждения.
Новая модель ST-GasNet
В исследовании, опубликованном в PNAS Nexus, учёные из Ливерморской национальной лаборатории Лоуренса (LLNL) описали новую модель глубокого обучения под названием ST-GasNet, способную прогнозировать поведение токсичных плюмов всего за несколько минут.
Модель ST-GasNet обучается на данных, полученных в результате традиционного моделирования вычислительной гидродинамики, которое фиксирует сложные структуры ветра и движение плюмов вокруг зданий, улиц и сооружений в городских условиях.
«ST-GasNet изучает, как плюмы ведут себя в городских условиях, на основе предыдущих симуляций с высоким разрешением», — сказала учёный LLNL и автор исследования Жизель Фернандес-Годино. «Она анализирует первые несколько минут выброса плюма и использует эти наблюдения для прогнозирования его распространения в течение следующих нескольких минут».
Прогнозирование движения опасных материалов
Для прогнозирования движения опасных материалов модель изучает закономерности скорости и ускорения плюма. Она также может обрабатывать разрывы в движении плюма, например, когда плюм сталкивается со зданием и разделяется на два. ST-GasNet даже работает без указания направления и скорости ветра: она может самостоятельно определять эти условия непосредственно по раннему поведению плюма.
После обучения модель обеспечивает более высокую скорость вычислений, что делает её пригодной для использования в режиме реального времени при реагировании на чрезвычайные ситуации.
«Мы надеемся, что это поддержит службы экстренного реагирования и поможет в планировании эвакуации», — сказал автор Инан Ван, который был стажёром в LLNL. «Она может служить компонентом систем раннего предупреждения, предоставляя лицам, принимающим решения, больше времени для действий, и потенциально интегрироваться с мобильными системами зондирования и мониторинга для получения обновлений в режиме реального времени».
Перспективы развития
Команда стремится разработать систему, которая сможет количественно оценить неопределённость, оценивая не только площадь, подверженную воздействию плюма в городе, но и вероятность воздействия в каждом конкретном месте. Также изучаются способы оптимизации атмосферных сенсорных сетей и методов калибровки для систематического согласования прогнозов и данных.
Предоставлено Ливерморской национальной лабораторией Лоуренса.