212
Дослідники Китайської академії наук розробили інноваційну модель прогнозування приземного забруднення озоном, що базується на передових методах штучного інтелекту. Група на чолі з професором Се Пінхуа з Інституту фізичних наук Хефей застосувала гібридну нейромережеву модель CNN-LSTM, яка дозволяє враховувати як просторові, так і часові особливості метеорологічних процесів.
Дослідження, опубліковане у виданні Environmental Science & Technology, демонструє нові можливості у прогнозуванні високих концентрацій озону в атмосфері, особливо в районах Північно-Китайської рівнини та дельти річки Янцзи. Саме в цих регіонах у літній період часто спостерігається значне зростання рівня приземного озону, що негативно впливає на здоров’я населення та якість навколишнього середовища.
Приземний озон є складним для прогнозування забруднювачем, оскільки на його концентрацію впливає низка факторів, серед яких температура повітря, атмосферна вологість, сонячна активність, хмарність і навіть атмосферна циркуляція. Традиційні чисельні моделі не завжди здатні ефективно передбачати пікові концентрації через складність та високу витратність обчислень. Водночас класичні підходи машинного навчання часто не враховують просторово-часовий контекст явища.
Створена китайськими вченими модель CNN-LSTM поєднує переваги згорткових нейронних мереж, які добре обробляють просторові характеристики даних, і мереж з довготривалою короткочасною пам’яттю (LSTM), які ефективно аналізують часові послідовності. Завдяки цьому вона досягає високої точності прогнозування: ймовірність точного прогнозування високих концентрацій озону (160 мкг/м3) становить 83% для Північно-Китайської рівнини та 56% для дельти річки Янцзи.
Окрім цього, модель успішно оцінила вплив таких явищ, як переміщення тайфунів, на регіональні концентрації озону, що підтверджує її потенціал для використання у різноманітних сценаріях та для раннього попередження населення.
Як зазначає керівник дослідження, професор Се Пінхуа, новий підхід дозволяє більш точно прогнозувати події із високим рівнем приземного озону, тим самим покращуючи можливості своєчасного попередження та управління ризиками забруднення атмосфери.
ШІ покращує прогнозування забруднення озонового шару з’явилася спочатку на Цікавості.
