![С течением времени ущерб от экстремальных стихийных бедствий в США неуклонно возрастает, демонстрируя долгосрочную тенденцию к увеличению экономических потерь, зафиксированную в исследовании [9].](https://arxiv.org/html/2511.13712v1/viz/weathercost.png)
В статье рассматривается применение методов объяснимого искусственного интеллекта (XAI) для повышения прозрачности и доверия к моделям прогнозирования экстремальных явлений, в частности, лесных пожаров.
Исследование представляет гибридную систему на основе архитектуры FEDformer для повышения точности анализа финансовых временных рядов.
Новая система HARNESS использует возможности искусственного интеллекта для прогнозирования рисков и повышения безопасности в критически важных производственных условиях.
Исследователи предлагают эффективный метод агрегации ансамблей моделей глубокого обучения для повышения точности прогнозирования экстремальных погодных событий, особенно высокой интенсивности.
Новая система, основанная на принципах агентного ИИ, позволяет создавать более гибкие и точные регионы планирования, учитывающие специфические риски и потребности каждой местности.