El MIT generó eventos extremos plausibles sin datos de eventos extremos

Los planificadores de infraestructura, los responsables de políticas y las aseguradoras necesitan saber cómo podría ser una tormenta, una ola de calor, un incendio forestal o una inundación que ocurre una vez cada cien años. Los registros históricos son un conjunto de entrenamiento deficiente para esa pregunta: los eventos extremos son raros, y el peor evento que una región ha visto puede seguir siendo más leve que el que debe resistir a continuación.

Los ingenieros del MIT Kai Chang y Themis Sapsis crearon Extreme Event Aware, o η-learning, para generar escenarios plausibles sin precedentes sin ejemplos de esos extremos. El algoritmo aprende relaciones entre estadísticas puntuales, como la frecuencia con la que la lluvia alcanza un nivel, y mapas espaciales, como dónde se extiende un evento. Las estadísticas descartan magnitudes inverosímiles mientras que los mapas aportan una geografía realista.

Utilizando 25 años de mapas horarios de precipitación sobre los Estados Unidos continentales, el equipo demostró cómo el método podía generar miles de realizaciones de una tormenta que ocurre una vez cada 100 años, incluidos eventos más intensos que cualquier cosa en los datos de entrenamiento. Un planificador podría preguntar cómo podría verse una tormenta de 300 milímetros en la ciudad de Nueva York y recibir mapas de su posible tamaño, cobertura e intensidad.

El enfoque también puede visualizar inundaciones e incendios forestales plausibles y podría aplicarse a la navegación robótica y a las caídas de los mercados financieros. El trabajo se publicó en Nature Communications; es un método de planificación y simulación, no evidencia de que ocurrirá algún evento futuro en particular.

Restringir la generación espacial con estadísticas puntuales

Un modelo entrenado solo con extremos pasados no puede mostrar directamente a los planificadores un evento más severo que el registro histórico.

Las estadísticas puntuales proporcionan la restricción de frecuencia y magnitud de eventos raros sin requerir un mapa extremo correspondiente en los ejemplos de entrenamiento.

Los mapas espaciales preservan las relaciones geográficas que hacen que una tormenta o un incendio forestal generado sea plausible y no meramente grande.

Miles de realizaciones permiten a los planificadores explorar una distribución de escenarios creíbles en lugar de apostar por un único pronóstico.

Si el evento para el que debe planificar está ausente de la historia, separe su frecuencia de su forma espacial y genere escenarios que satisfagan ambas restricciones en lugar de esperar más historia.

El método ofrece a las comunidades una forma de someter a pruebas de estrés los malecones, las redes eléctricas, los recursos de extinción de incendios y las cadenas de suministro frente a eventos plausibles aún no observados. El artículo lo presenta como una herramienta de investigación que puede extenderse a inundaciones, incendios forestales, robótica y mercados; no informa sobre un sistema de planificación desplegado ni una reducción medida de las pérdidas.