Научный консультант: Алексей Зайцев, Александр Лукашевич
Geo-spatial time series prediction – открытая область с большим потенциалом для теоретических и практических работ. В частности, оценка риска выпадения града необходима для прогноза вероятности повреждений (сельское хозяйство, животноводство). Целью нашего исследования является построение модели прогнозирования выпадения града на основе графовых нейронных сетей. Прогнозирование осуществляется в краткосрочном диапазоне(2-5 лет) по значениям климатических переменных с 1991 года. Ключевыми особенностями задачи являются: 1) редкие события, за последние 30 лет было менее 700 случаев выпадения града на всей территории России, 2) пространственная структура данных ряда.
Geo-spatial time series prediction is an open area with great potential for theoretical and practical work. In particular, hail risk assessment is necessary to predict the probability of damage (agriculture, animal husbandry). The aim of our study is to build a hail forecasting model based on graph neural networks. Forecasting has been carried out in the short-term range(2-5 years) based on the values of climate variables since 1991. The key features of the problem are: 1) rare events - over the past 30 years there have been less than 700 hail events throughout Russia, 2) the spatial structure of the series data. We are expecting to improve quality of solving such problems by combining methods from [Graph Neural Networks for Improved El Ni{~{n}}o Forecasting] and [Structural Temporal Graph Neural Networks for Anomaly Detection in Dynamic Graphs]