Distillazione di Concetti Sensibili al Contesto per una Previsione Affidabile delle Inondazioni

Un nuovo framework chiamato Context-Aware Concept Distillation (CACD) mira a rendere interpretabili i modelli di deep learning per la previsione delle inondazioni, a beneficio delle autorità di risposta ai disastri. Sviluppato con esperti del settore, CACD distilla gli opachi LSTM in modelli surrogati consapevoli dell'idrologia utilizzando un pipeline non supervisionato che scopre un 'Linguaggio Idrologico' e una Residual Hypernetwork che modula i concetti in base alle caratteristiche statiche del bacino. Testato su 5.203 bacini a livello globale, il modello raggiunge un'alta fedeltà con un Nash-Sutcliffe Efficiency (NSE) mediano di 0,70, superando i modelli black-box di riferimento. Il lavoro affronta la sfida sociale della fiducia e della responsabilità nelle decisioni ad alto rischio per la sicurezza pubblica.