Новые глубокие модели обучения ИИ позволяет более ранних, более точные предупреждения озона

Исследователи из Университета Хьюстона разработали искусственный интеллект на основе системы прогнозирования озона, который позволит местным районах для прогнозирования уровней озона за 24 часа.

Что бы улучшить предупреждений здоровье для людей с повышенным риском развития проблем из-за высоких уровней озона.

Yunsoo Цой, доцент кафедры Земли и атмосферных наук и автор для бумаги, объясняющие работу, сказал, что они построили с искусственным интеллектом модели с использованием сверточной нейронной сети, которая способна принимать информацию от текущего состояния и точно прогнозировать уровни озона на следующий день. Работа была опубликована в журнале нейронных сетей.

«Если мы знаем условия сегодня, мы можем предсказать условия завтра», — сказал Цой.

Озон-нестабильный газ, образуется за счет химической реакции, когда солнечные лучи в сочетании с окислами азота (NOx) и летучие органические вещества, которые находятся в автомобильных и промышленных выбросов. Это может вызвать проблемы с дыханием у людей, и те, особенно чувствительны к озону-в том числе людей, страдающих астмой, пожилых людей и маленьких детей-рекомендуется уменьшить их воздействие, когда уровни озона высоки.

Alqamah Саид, первый автор на бумаге и аспирант в Чоя качества воздуха, прогнозирования и моделирования лаборатории, сказал, что большинство нынешних озона модели прогнозирования не включать искусственного интеллекта и может занять несколько часов для прогноза содержания озона, а не только несколько секунд для новой модели. Они также менее точны; исследователи представили свои модели правильно предсказывали уровни озона за 24 часа от 85% до 90% времени.

Ключевое различие, — сказал Цой, — это использование сверточных нейронных сетей, сетей, способных «зачистке» данные и через что формировать предположения основываясь на том, что он узнал. Сверточные сети обычно используются для улучшения разрешения, сказал он. Цой и Саид сказал, что использование сетей для получения информации, а затем использует искусственный интеллект для того, чтобы делать прогнозы на основе этих данных-это новое приложение, иллюстрирующие способность сетей, чтобы собрать информацию и сделать выводы, основанные на этой информации.

Исследователи использовали метеорологические данные и данные о загрязнении воздуха, полученные на 21 станции в Хьюстоне и в другом месте в Техасе Техас комиссии по качеству окружающей среды, представляющих условия между 2017 и 2014. Саид сказал, что они запрограммированы на сверточных нейронных сетях, используя метеорологические данные-температуру, атмосферное давление, скорость ветра и другие переменные — на каждый день, и добавил, измерения озона с каждой станции на 2014, 2015 и 2016.

Чтобы проверить свою убежденность в том, что модель будет способна прогнозировать уровни озона с учетом метеорологических условий от предыдущего дня, они добавлены погодные данные для 2017 и проверил прогнозы сети производится для точности.

Прогнозы модели составила 90% точности, и сказал Цой, он станет более точным с течением времени, поскольку сеть продолжает учиться.

Хотя тесты были сделаны через Техас данных, исследователи заявили, что модель может быть использована в любой точке мира. «США географически отличается от Восточной Азии,» Цой сказал: «но физика и химия получения озона такие же.»

Сказал Саид исследователи в настоящее время работают, чтобы расширить модель и включить в прогнозы других видов загрязняющих веществ, в том числе твердых частиц, а также чтобы продлить срок более 24 часов.

сделать разницу: спонсорские возможности