Нейросети помогли спрогнозировать уровень озона в городах

Хьюстон

Ronald Martinez/Getty Images

Исследователи из США разработали на основе технологий искусственного интеллекта систему, которая позволит предсказывать уровни озона в определенных районах на 24 часа вперед. Статья о разработке была опубликована в журнале Neural Networks.

Озон — это нестабильный газ, образующийся из кислорода в результате химической реакции. Ее индуцирует ультрафиолетовое излучение, а ускоряет образование этого газа оксиды азота (NO_x) и летучие органические соединения, которые содержатся в автомобильных и промышленных выбросах. Появление озона в городе может вызвать респираторные проблемы у жителей больших городов, в особенности, у маленьких детей, стариков и астматиков.

Большинство нынешних моделей прогнозирования уровней озона в городе не используют искусственный интеллект и выдают результат иногда спустя только несколько часов. Они также недостаточно точны. Новая модель на основе сверточной нейронной сети, разработанная учеными Хьюстонского университета, способна за несколько секунд предсказать уровни O₃, которые будут наблюдаться в данном районе в течение суток. Точность прогнозов новой программы составляет от 85 до 90%.

Сверточные нейронные сети способны быстро обрабатывать большой массив данных и использовать его для формирования новых, более быстрых и точных алгоритмов расчета. Обычно они используются для улучшения разрешения изображений. Согласно ученым, использование этих алгоритмов для извлечения информации вместе с последующим анализом — совершенно новое приложение этой технологии.

Исследователи использовали метеорологические данные и данные о загрязнении воздуха, собранные в период между 2014 и 2017 годами на 21 станции в Хьюстоне и в других местах в штате Техас комиссией по качеству окружающей среды. Авторы работы запрограммировали сверточные нейронные сети с использованием метеорологических показателей — температуры, атмосферного давления, скорости ветра и других переменных — для каждого дня, а также добавили измерения концентраций озона с каждой станции на 2014, 2015 и 2016 годы.

Чтобы проверить свою модель, ученые заставили компьютерную программу посчитать предполагаемые уровни озона на 2017 год и сравнили полученные результаты с реальными значениями. Прогнозы модели достигли точности 90%, но ученые уверяют, что это не предел — модель продолжает совершенствоваться и учиться, повышая точность вычислений.

Источник: indicator.ru

Комментарии: