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 ускоряют образование этого газа оксиды азота (NOx) 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.
Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.