Ученые прибегают к глубокому обучению, чтобы улучшить прогнозы качества воздуха

в результате сжигания ископаемого топлива влияет на , но прогнозирование уровней в определенное время и в определенном месте остается сложной задачей, по словам группы ученых, которые обращаются к глубокому обучению для улучшения оценок качества воздуха. Результаты исследования группы могут быть полезны разработчикам моделей, изучающим, как экономические факторы, такие как труда в промышленности, и факторы здоровья, такие как госпитализация, меняются с уровнями загрязнения.


«Качество воздуха — одна из основных проблем в городской местности, которая влияет на жизнь людей», — сказал Манжу Ю, доцент кафедры географии Пенсильванского университета. «Однако существующих наблюдений недостаточно для предоставления исчерпывающей информации, которая может помочь уязвимым группам населения планировать будущее».

По словам ученых, спутниковые и наземные наблюдения позволяют измерять загрязнение воздуха, но они ограничены. Например, могут проходить через определенное место в одно и то же время каждый день и не замечать изменения эмиссии в разные часы. Наземные метеостанции постоянно собирают данные, но только в ограниченном количестве мест.

Чтобы решить эту проблему, ученые использовали глубокое обучение, тип машинного обучения, чтобы проанализировать взаимосвязь между спутниковыми и наземными наблюдениями за диоксидом азота в районе Большого Лос-Анджелеса. По словам ученых, диоксид азота в значительной степени связан с выбросами от транспортных средств и электростанций.

«Сейчас проблема в том, что диоксид азота сильно меняется в течение дня», — сказал Юй. «Но у нас не было доступного почасового продукта в масштабе пригородов для отслеживания загрязнения воздуха. Сравнивая уровень поверхности и спутниковые наблюдения, мы действительно можем производить оценки с более высоким пространственным и временным разрешением».

По словам ученых, полученная взаимосвязь позволила исследователям проводить ежедневные спутниковые наблюдения и ежечасно оценивать содержание двуокиси азота в атмосфере в сетке примерно на 3 мили. Недавно они сообщили о своих выводах в журнале. Наука об окружающей среде в целом.

«Проблема здесь в том, сможем ли мы найти связь между измерениями с земной поверхности и спутниковыми наблюдениями тропосферы, которые на самом деле находятся далеко друг от друга. Вот тут-то и пригодится глубокое обучение».

Алгоритмы глубокого обучения работают так же, как человеческий , и содержат несколько слоев искусственных нейронов для обработки данных и создания шаблонов. По словам ученых, система учится и тренируется на основе соединений, которые она находит в больших объемах данных.

Ученые протестировали два алгоритма глубокого обучения и обнаружили, что тот, который сравнивал наземные наблюдения напрямую со спутниковыми наблюдениями, более точно предсказывал уровни диоксида азота. Добавление такой информации, как метеорологические данные, высота и расположение наземных станций, основных дорог и электростанций, еще больше повысило точность прогнозов.

0 Комментарий
Inline Feedbacks
View all comments