Как «ластик» из фоторедактора научился предсказывать речные потоки: ИИ-модель выходит на новый уровень

В июльском номере журнала Water Resources Research за 2026 год Янг и соавторы представляют инновацию в прогнозировании речного стока, используя технологию искусственного интеллекта, которую вы, вероятно, уже знаете по повседневным приложениям на смартфоне. Представьте: вас что-то раздражает на фотографии, вы берёте ластик, убираете этот объект, а фон автоматически заполняется с помощью генеративной диффузионной модели.

В новом исследовании технология диффузионных моделей была усовершенствована и применяется не только для прогнозирования стока, но и для временного даунскейлинга и чрезвычайно эффективной ассимиляции наблюдений. Сравнение с конкурирующими методами на наборе данных Catchment Attributes and MEteorology for Large-sample Studies (CAMEL) показывает улучшенные результаты как по базовым показателям, так и по экстремальным событиям. Работа открывает новые пути для решения ключевых проблем гидрологии, связанных с прогнозированием в условиях неопределённости, пространственным и временным даунскейлингом и объединением моделей с наблюдениями.

Исследование примечательно тем, что переносит инструмент из совершенно иной области — компьютерного зрения — в гидрологию, которая традиционно опиралась на физические модели и статистические методы. Диффузионные модели, лежащие в основе многих генеративных ИИ-приложений, учатся постепенно «снимать шум» с данных, и именно эта способность оказалась удивительно полезной для работы с зашумлёнными и неполными гидрологическими рядами.

Благодаря ей можно не просто выдавать точечный прогноз стока, но и генерировать целый ансамбль правдоподобных сценариев, что критически важно при оценке рисков наводнений и засух. Возможность объединять модельные расчёты с реальными замерами в реальном времени делает подход особенно перспективным для оперативного мониторинга, а высокая вычислительная эффективность позволяет применять его даже там, где нет мощных серверов.

Источники:
Материал подготовлен на основе исследования Yang et al. (2026), опубликованного в журнале Water Resources Research, данных набора CAMEL, а также описаний технологии генеративных диффузионных моделей, используемых в современных приложениях обработки изображений.