新的AI深度学习模型允许更早更准确的臭氧警告

休斯顿大学的研究人员开发了一种基于人工智能的臭氧预报系统，该系统可以使本地提前24小时预测臭氧水平。

这将提高臭氧水平高的人的健康警报，使他们更有可能出现问题。

地球与大气科学系副教授崔润s(Yunsoo Choi)是该论文的通讯作者，他说，他们使用卷积神经网络建立了一个人工智能模型，该模型能够从当前情况中获取信息并准确预测臭氧水平第二天。这项工作发表在《神经网络》杂志上。

崔说：“如果我们知道今天的情况，我们就可以预测明天的情况。”

臭氧是一种不稳定的气体，当日光与氮氧化物(NOx)和挥发性有机化合物结合时会发生化学反应，这两种污染物都存在于汽车和工业排放中。它会导致人的呼吸系统问题，尤其是那些易患臭氧的人(包括哮喘患者，老年人和幼儿)，建议在臭氧水平较高时减少其接触。

该论文的第一作者，博士学位的Alqamah SayeedChoi的空气质量预测和建模实验室的一名学生说，大多数当前的臭氧预测模型都没有集成人工智能，并且可能需要数小时才能预测未来的臭氧水平，而不是新模型只需几秒钟。它们也不太准确。研究人员报告说，他们的模型可以在85%至90%的时间内提前24小时正确预测臭氧水平。

Choi说，一个关键的区别是使用卷积神经网络，即能够“扫描”数据并根据其所学知识进行假设的网络。他说，卷积网络通常用于提高成像分辨率。Choi和Sayeed说，使用网络提取信息然后使用人工智能从数据中进行预测是一种新的应用，这说明了网络收集信息并基于该信息进行推断的能力的强项。

研究人员使用了得克萨斯州环境质量委员会在休斯敦和得克萨斯州其他地方的21个站点收集的气象和空气污染数据，这些数据代表了2014年至2017年之间的状况。Sayeed说，他们使用气象数据对卷积神经网络进行了编程-温度，大气压，风速和其他变量-每天，并增加了2014、2015和2016年每个站点的臭氧测量值。

为了检验他们的看法，即该模型能够根据前一天的气象条件来预测臭氧水平，他们添加了2017年的天气数据，并检查了网络生成的预报的准确性。

该模型的预测达到了90%的准确度，Choi表示，随着网络的不断学习，它将随着时间的推移变得更加准确。

尽管测试是使用得克萨斯州的数据完成的，但研究人员表示该模型可以在世界任何地方使用。崔说：“美国在地理上与东亚不同，但臭氧产生的物理和化学是相同的。”

赛义德说，研究人员目前正在努力扩展该模型，以包括对其他类型污染物(包括颗粒物)的预测，并将时间延长到24小时以上。

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。