Исследователи из Университета Хьюстона разработали систему прогнозирования содержания озона на основе искусственного интеллекта, которая позволит местным районам прогнозировать уровни озона на 24 часа вперед.
Это улучшит оповещения о состоянии здоровья для людей с повышенным риском развития проблем из-за высокого уровня озона.
Юнсу Чой, адъюнкт-профессор Департамента наук о Земле и атмосфере и соответствующий автор документа, объясняющего работу, сказал, что они построили искусственную интеллектуальную модель с использованием сверточной нейронной сети, которая способна получать информацию из текущих условий. и точно прогнозировать уровень озона на следующий день. Работа опубликована в журнале Neural Networks.
«Если мы знаем условия сегодняшнего дня, мы можем предсказать условия завтрашнего дня», - сказал Чой.
Озон - это нестабильный газ, образующийся в результате химической реакции, когда солнечный свет соединяется с оксидами азота (NOx) и летучими органическими соединениями, которые содержатся в автомобильных и промышленных выбросах. Он может вызвать проблемы с дыханием у людей, и тем, кто особенно восприимчив к озону, в том числе людям с астмой, пожилым людям и маленьким детям, рекомендуется уменьшить воздействие при высоком уровне озона.
Алькама Саид, первый автор статьи и доктор философии. Студент Лаборатории прогнозирования и моделирования качества воздуха Чоя сказал, что большинство современных моделей прогнозирования озона не включают искусственный интеллект, и для прогнозирования будущих уровней озона может потребоваться несколько часов, а не несколько секунд для новой модели. Они также менее точны; исследователи сообщили, что их модель правильно предсказывала уровни озона за 24 часа вперед в 85-90% случаев.
Ключевым отличием, по словам Чоя, является использование сверточных нейронных сетей, сетей, способных «сканировать» данные и использовать их для формирования предположений на основе того, что они узнали. По его словам, сверточные сети обычно используются для улучшения разрешения изображений. Чой и Саид сказали, что использование сетей для извлечения информации, а затем использование искусственного интеллекта для прогнозирования этих данных - это новое приложение, иллюстрирующее силу способности сетей собирать информацию и делать выводы на основе этой информации.
Исследователи использовали метеорологические данные и данные о загрязнении воздуха, собранные Техасской комиссией по качеству окружающей среды на 21 станции в Хьюстоне и других местах Техаса, представляющие условия в период с 2014 по 2017 год. Саид сказал, что они запрограммировали сверточные нейронные сети, используя метеорологические данные. температура, атмосферное давление, скорость ветра и другие переменные - за каждый день, а также добавлены измерения озона с каждой станции за 2014, 2015 и 2016 годы.
Чтобы проверить свою веру в то, что модель сможет предсказывать уровни озона с учетом метеорологических условий предыдущего дня, они добавили данные о погоде за 2017 год и проверили точность прогнозов, подготовленных сетью.
Прогнозы модели достигли точности 90%, и Чой сказал, что со временем они станут более точными, поскольку сеть продолжает учиться.
Хотя тесты проводились с использованием данных из Техаса, исследователи заявили, что модель может быть использована в любой точке мира. «Географически США отличаются от Восточной Азии, - сказал Чой, - но физика и химия образования озона одинаковы».
Сайид сказал, что исследователи в настоящее время работают над расширением модели, чтобы включить прогнозы других типов загрязняющих веществ, включая твердые частицы, а также увеличить период времени за пределы 24 часов.