Все новости

Уровень загрязнения атмосферы научились предсказывать с помощью нейросети

Использование искусственного интеллекта, по словам ученых, поможет более эффективно защищать окружающую среду и выявлять источники загрязнения

КРАСНОЯРСК, 7 декабря. /ТАСС/. Ученые Сибирского федерального университета (СФУ) разработали метод прогнозирования количественного состава вредных веществ в воздухе с помощью нейронных сетей, учитывающий сразу несколько видов метеоданных. Об этом ТАСС сообщили в понедельник в пресс-службе вуза.

"Авторы предложили новый способ прогнозирования концентрации в атмосфере таких соединений как диоксид азота, оксид азота, диоксид серы и оксид углерода. При длительном воздействии на организм человека они способны ухудшить здоровье и, в конечном счете, привести к хроническим и злокачественным заболеваниям. Использование нейронных сетей (LSTM) в сочетании с методами математического моделирования позволило с высокой точностью предсказать количественные значения опасных загрязняющих компонентов, а также метеорологические условия", - сказали ТАСС в вузе.

Прогноз состава воздуха - сложная задача для исследователей, так как на него влияет множество факторов: выхлопные газы, промышленные выбросы, сжигание угля и пыль. При этом скорость и характер распределения вредных веществ в пространстве для каждого из них индивидуальны. В своей работе ученые использовали "сырые" числовые данные по основным веществам-загрязнителям воздуха, которые стали результатом периодических измерений качества воздуха в 2017-2019 годах, сделанных станциями мониторинга атмосферы в Красноярске.

Сопоставив концентрацию веществ с 10 видами метеоданных (температурой, влажностью, скоростью ветра и др.), авторы разработали архитектуру математической модели для обучения нейронной сети. В результате удалось повысить точность прогноза и автоматизировать процесс оценки рисков повышения уровня загрязнения воздуха.

"Существующие модели прогнозирования загрязнения воздуха без машинного обучения имеют серьезные недостатки, которые не позволяют их широко применять для долгосрочных прогнозов. Технологии искусственного интеллекта на основе LSTM могут обрабатывать не только отдельные изображения, но и целые последовательности данных (речь, видео и др.), способны хранить информацию в течение заданного промежутка времени выборочно изменять ее. За счет специальной системы "обучения" созданная модель способна проследить большинство неожиданных скачков уровня загрязнения воздуха", - пояснила ТАСС Людмила Кулагина, доцент кафедры "Техносферная и экологическая безопасность" СФУ.

Ученые сделали вывод, что использование различных видов метеоданных может повысить точность прогнозов качества воздуха в отношении других вредных соединений. Применение нового метода будет способствовать развитию эффективных путей защиты окружающей среды и выявлению источников загрязнения, пояснили ТАСС в вузе.