Проблема неравномерных данных и нестационарности
Прогнозирование уровня ядерной радиации осложняется тремя ключевыми факторами. Во-первых, временные ряды на станциях мониторинга крайне нестационарны из-за радиоактивного распада, погодных условий и человеческих вмешательств. Во-вторых, наблюдается сильная пространственная диспропорция: около 78% станций мониторинга в Японии расположены менее чем на 6% территории страны, концентрируясь вблизи Фукусимы. Это нарушает стандартные предположения графовых моделей. В-третьих, радиация распространяется совместно с гетерогенными контекстными данными (ветер, температура, влажность), которые чисто data-driven модели часто не могут корректно интерпретировать.
Архитектура NRFormer+
Авторы (Тэнгфей Лю, Цзиндун Хань, Хао Лю) предложили модель NRFormer+, которая решает эти проблемы через три компонента:
- Нестационарное временное внимание: адаптируется к изменениям во времени.
- Пространственное внимание, адаптивное к плотности: учитывает неравномерность распределения станций мониторинга.
- Модуль атмосферной диффузии: оценивает, как метеорология влияет на рассеивание радиации, и внедряет этот физический сигнал в сеть в качестве архитектурного приоритета (architectural prior).
Результаты и сравнение с базовыми моделями
Модель NRFormer+ показала состояние искусства (SOTA) на обоих наборах данных, превзойдя все 13 базовых моделей. Ключевым достижением стало снижение ошибки MAE (Mean Absolute Error) при резких изменениях уровня радиации на величину до 19.1% по сравнению с сильнейшей базовой моделью, при этом латентность вывода (inference latency) осталась сопоставимой.
| Метрика / Характеристика | Значение / Результат |
|---|---|
| Улучшение MAE при резких изменениях | До -19.1% относительно лучшего базового метода |
| Количество сравненных базовых моделей | 13 |
| Проблема пространственного распределения | 78% станций на 6% территории (Япония) |
| Ключевой инновационный модуль | Atmospheric Diffusion Module (физический prior) |
| Доступность кода и данных | Публично доступны (ссылка в оригинале) |
Значимость для безопасности
Разработка таких моделей критически важна в контексте повышения общественной осведомленности о радиации после аварии на Фукусиме и начала сброса очищенных вод. Точные прогнозы позволяют оптимизировать экстренное реагирование, давать рекомендации сельскому хозяйству и принимать решения по общественной безопасности на национальном уровне, используя данные тысяч станций мониторинга.
Источник: arXiv cs.AI ↗