> ## Content Index
> Fetch the complete content index at: https://admin.kod.ru/llms.txt
> Use this file to discover other available public pages before exploring further.

# Яндекс разработал нейросеть, которая может прогнозировать распространение вулканического пепла
- URL: https://admin.kod.ru/8108/
- Published: 2024-02-21T08:11:51.000Z
- Updated: 2024-02-21T08:11:51.000Z
- Description: Яндекс в сотрудничестве с Школой анализа данных и Yandex Cloud представил новый сервис для прогнозирования распространения вулканического пепла.
- Author: Игорь Савкин
- Tags: Новости

Яндекс в сотрудничестве с Школой анализа данных и Yandex Cloud представил новый сервис для прогнозирования распространения вулканического пепла.

Этот инструмент позволит оперативно информировать спасательные службы, местные власти и международную авиацию о потенциальных опасностях, связанных с пеплопадами, облегчая тем самым процесс устранения последствий вулканической активности.

![](https://admin.kod.ru/content/images/2024/02/image-33.png)

Камчатка, находящаяся в Тихоокеанском огненном кольце, сталкивается с частыми извержениями вулканов, что наносит ущерб населённым пунктам, авиационной индустрии и местной экосистеме. В 2023 году регион пережил одно из крупнейших за последние десятилетия извержений вулкана Шивелуч, подчеркивая необходимость в эффективных инструментах мониторинга и реагирования на подобные события.

![](https://admin.kod.ru/content/images/2024/02/image-34.png)

Сервис Яндекса использует модель машинного обучения для отслеживания моментов выброса пепла и математическую модель для прогнозирования его распространения в атмосфере. Данные для обучения модели были получены из 23-летних архивов Геофизической службы РАН, что позволило создать точный и надёжный инструмент прогнозирования. Сервис предлагает интерактивную карту, на которой в реальном времени отображается перемещение облака пепла, давая представление о его границах на разных высотах.

В будущем разработчики планируют расширить функционал сервиса, добавив возможности для определения высоты и плотности пепловых облаков с использованием дополнительных ML-моделей. Это нововведение открывает перед местными властями и спасательными службами новые возможности для своевременного реагирования на угрозы, связанные с вулканической активностью, и минимизации её последствий.