新的AI深度学习模型允许更早,更精确的臭氧警告

在得克萨斯州开发的,该模型可以在全球部署

Choi-Sayeed
yunsoo财(左)在地球科学和大气科学在恩系副教授,博士学生alqamah赛义德解释的新模式,以更好地预测臭氧水平。
Getty freeway
当太阳光与氮氧化物和挥发性有机化合物,这两者在汽车排放被发现结合形成臭氧。图片:Getty图像

来自365bet体育的研究人员已经开发出一种基于人工智能的臭氧预报系统,这将使局部区域预测臭氧水平提前24小时。

这将在由于高臭氧水平的发展问题,提高风险提高人们的健康警报。

yunsoo彩,在地球和大气科学和通讯作者的论文,解释工作的部门副教授说,他们建立了使用卷积神经网络的人工智能的模型,该模型能够从当前状况获取信息并准确地预测臭氧水平第二天。这项工作是 发表 在杂志的神经网络。

“如果我们知道今天的条件下,我们可以预测未来的情况,”崔京周说。

臭氧 是一种不稳定的气体,当太阳光与氮氧化物(NOx)和挥发性有机化合物,这两者在汽车和工业排放被发现结合通过化学反应形成的。它会导致人呼吸问题,以及那些对臭氧特别敏感 - 包括哮喘病人,老人和年幼的孩子 - 宜减少其暴露在臭氧浓度高。

alqamah赛义德,在纸张和博士学位第一作者学生财的空气质量预报和模拟实验,说目前大多数臭氧预测模型不包括人工智能,可能需要几个小时来预测今后的臭氧水平,而不是仅仅的新模式几秒钟。他们也不太准确;研究人员报告说他们的模型正确预测臭氧水平提前24小时85%和90%的时间之间。

一个关键的区别,崔京​​周说,是采用卷积神经网络,能够“横扫”的数据和使用,形成基于所了解到的假设网络。卷积网络通常用来改善成像分辨率,他说。 Choi和赛义德说,使用网络来获取信息,然后使用人工智能,以使预测的数据是新的应用程序,显示的网络来收集信息,并根据这些信息推断能力的强弱。

研究人员使用在21个站休斯敦及别处得克萨斯收集气象和空气污染数据由得克萨斯佣金对环境质量,代表赛义德说他们编程使用气象数据的卷积神经网络2014和2017年之间的条件 - 温度,大气压力,风速和其他变量 - 每个天,并且从每个站加入臭氧测量为2014年,2015年和2016年。

以测试他们的信念,该模型将能够预测给出较上日气象条件的臭氧水平,他们增加了气象数据为2017年和检查的准确性网络产生的预测。

该模型的预测达到90%的准确率,和氏璧表示,将随着时间变得更为精确,随着网络的不断学习。

虽然测试采用德州数据完成的,研究人员说,该模型可在世界任何地方使用。 “美国。从东亚地域上的不同,”崔京周说,‘但臭氧生成的物理和化学是相同的。’

赛义德说,研究人员目前正致力于拓展模式,包括其他类型的污染物,包括颗粒物的预测,以及延长超过24小时的时间段。

除了赛义德和氏璧,该项目的研究人员包括伊伯拉希姆伊斯拉米,yannic的LOP,anirban罗伊和贾戎,所有的地球和大气科学的自然科学和数学的呃学院的部门。