5 ноября в Алматы было зафиксировано подземное толчок силой 3 балла. Это событие вызвало беспокойство у жителей и вновь напомнило о необходимости подготовки к чрезвычайным ситуациям. В связи с этим, доктор PhD Международного университета информационных технологий (МУИТ) и ведущий научный сотрудник Института ионосферы Марат Нуртас заявил, что провел специальное исследование для оценки сейсмической опасности и прогнозирования возможной сейсмической активности в будущем, сообщает Dalanews.kz. Предупреждение в марте и прогноз на ноябрь В марте агентство Dalanews.kz обращалось к Марату Нуртасу за комментарием по поводу природного явления. В этом интервью, широко обсуждавшемся в обществе, исследователь призвал население быть особенно осторожным весной и осенью. Согласно его данным, было предупреждение о том, что март и ноябрь являются опасными периодами. А люди, забывшие о предупреждении, вчера снова стали свидетелями подземного толчка. Результаты научного анализа на ноябрь Накануне специалист сообщил, что провел исследование на ноябрь. При его реализации он использовал гибридные модели, основанные на нейронных сетях. Гибридные модели для прогнозирования землетрясений анализируют исторические данные, такие как время, местоположение, магнитуда прошлых землетрясений. Нейронная сеть помогает выявить закономерности на основе этих данных. Эти закономерности позволяют прогнозировать, когда и насколько сильным будет землетрясение. Кроме того, к гибридным моделям добавляются другие статистические методы, повышающие точность прогноза. Хотя точный день и час землетрясения предсказать сложно, с помощью гибридных моделей можно заранее узнать уровень опасности в определенный период месяца или в течение недели. При прогнозировании землетрясения на ноябрь Марат Нуртас также использовал модель Искусственного Интеллекта (ИИ). По его словам, первые два графика демонстрируют процесс обучения гибридной модели и показывают, насколько она соответствует реальным данным. «На этих графиках представлено сравнение тестовых реальных значений и тестовых прогнозных значений. Модель оценивалась на тестовом примере на основе данных Центральной Азии», — говорит специалист. По результатам этого тестирования были рассчитаны следующие оценочные показатели. «Среднеквадратичная ошибка (MSE) – 0.686. Этот показатель определяет точность прогнозов. Чем меньше значение, тем точнее прогноз. Средняя абсолютная ошибка (MAE) – 0.511. Этот показатель отражает средний уровень ошибки прогноза модели. Huber Loss – 0
