Le MIT a généré des événements extrêmes plausibles sans données sur les événements extrêmes

Les planificateurs d'infrastructures, les décideurs politiques et les assureurs ont besoin de savoir à quoi pourraient ressembler une tempête, une vague de chaleur, un incendie de forêt ou une inondation centennale. Les archives historiques constituent un piètre ensemble d'entraînement pour cette question : les événements extrêmes sont rares, et l'événement le plus grave qu'une région ait connu peut encore être plus clément que celui auquel elle devra résister ensuite.

Les ingénieurs du MIT Kai Chang et Themis Sapsis ont conçu Extreme Event Aware, ou apprentissage η, pour générer des scénarios plausibles sans précédent sans exemples de ces extrêmes. L'algorithme apprend les relations entre des statistiques ponctuelles, comme la fréquence à laquelle les précipitations atteignent un certain niveau, et des cartes spatiales, comme la zone sur laquelle un événement s'étend. Les statistiques écartent les magnitudes invraisemblables tandis que les cartes fournissent une géographie réaliste.

En utilisant 25 ans de cartes horaires de précipitations sur le territoire continental des États-Unis, l'équipe a démontré comment la méthode pouvait générer des milliers de réalisations d'une tempête centennale, y compris des événements plus intenses que tout ce que contenaient les données d'entraînement. Un planificateur pourrait demander à quoi pourrait ressembler une tempête de 300 millimètres à New York et recevoir des cartes de son étendue, de sa couverture et de son intensité possibles.

L'approche peut également visualiser des inondations et des incendies de forêt plausibles et pourrait s'appliquer à la navigation robotique et aux krachs des marchés financiers. Les travaux ont été publiés dans Nature Communications ; il s'agit d'une méthode de planification et de simulation, et non de la preuve qu'un événement futur particulier se produira.

Contraindre la génération spatiale par des statistiques ponctuelles

Un modèle entraîné uniquement sur des extrêmes passés ne peut pas montrer directement aux planificateurs un événement plus grave que ce que contient l'archive historique.

Les statistiques ponctuelles fournissent la contrainte de fréquence et de magnitude des événements rares sans nécessiter de carte extrême correspondante dans les exemples d'entraînement.

Les cartes spatiales préservent les relations géographiques qui rendent une tempête ou un incendie de forêt généré plausible plutôt que simplement de grande ampleur.

Des milliers de réalisations permettent aux planificateurs d'explorer une distribution de scénarios crédibles au lieu de parier sur une seule prévision.

Si l'événement auquel vous devez vous préparer est absent de l'histoire, séparez sa fréquence de sa forme spatiale et générez des scénarios satisfaisant les deux contraintes au lieu d'attendre davantage de données historiques.

La méthode offre aux communautés un moyen de mettre à l'épreuve les digues, les réseaux électriques, les ressources de lutte contre les incendies et les chaînes d'approvisionnement face à des événements plausibles encore jamais observés. L'article la présente comme un outil de recherche pouvant s'étendre aux inondations, aux incendies de forêt, à la robotique et aux marchés ; il ne fait état ni d'un système de planification déployé ni d'une réduction mesurée des pertes.