Qazanclar:
- Emissiyaları (mənbədən) və konsentrasiyanı (havada ölçülmüş) ayırd etmək və kalibrlənmiş məlumatları AQI-yə çevirmək və eşiklərlə müqayisə etmək bacarığı
- Qısamüddətli çirklənmənin proqnozlaşdırılması modelini qurmaq və hər bir proqnozu etibarlılıq intervalları və model məhdudiyyətləri ilə dürüst təqdim etmək bacarığı
- Dağıtım/fizika tələb edən hissələri uyğunlaşdıran süni intellektə malik olmadan ictimai sağlamlıq iddialarını sübutlarla dəstəkləmək bacarığı
Havanın çirklənməsi görünməzdir, lakin ölümcüldür: hər il milyonlarla vaxtından əvvəl ölümə səbəb olur və iqlim dəyişikliyi ilə bağlıdır. Təşkilatlar həm öz baca emissiyalarına, həm də ətrafdakı havanın keyfiyyətinə görə məsuliyyət daşıyırlar. Bu bölmədə siz havanın keyfiyyəti parametrlərini, ölçmə və modelləşdirmə üsullarını, AI ilə proqnozlaşdırmanı və bütün bunların hədlərini öyrənəcəksiniz.
Əvvəlcə anlayışlar. Havanın keyfiyyəti ümumiyyətlə bir neçə əsas çirkləndirici ilə ölçülür: PM2.5 və PM10 (2,5 və 10 mikrondan kiçik hissəciklər - tənəffüs edilə bilən toz), NO₂ (azot dioksidi - yanma), SO₂ (kükürd dioksidi), O₃ (yer səviyyəsindəki avtomobil monoksit) və CO. AQI (Hava Keyfiyyəti İndeksi) bu çirkləndiriciləri ictimaiyyətin başa düşə biləcəyi vahid rəngli/nömrəli şkala (yaxşı-təhlükəli) çevirən indeksdir. Emissiya mənbədən ayrılan miqdardır, konsentrasiya isə havadakı konsentrasiyadır; İkisini qarışdırmamaq vacibdir.
İpucu: Emissiya (mənbədən) və konsentrasiya (havada ölçülən) iki fərqli şeydir. Külək, temperatur və topoqrafiya eyni emissiyanın çox fərqli konsentrasiyalarla nəticələnməsinə səbəb olur. “Bacadan az çıxır” demək “yaxınlıqdakı hava təmizdir” demək deyil.
Modelləşdirmə: emissiyadan konsentrasiyaya qədər
Bacadan çıxan çirkləndiricinin yaxınlıqdakı məhəlləyə çatacağı konsentrasiyasının hesablanması dispersiya modelləşdirmə məsələsidir. Bu modellər meteorologiyadan (küləyin istiqaməti/sürəti, atmosfer sabitliyi) və topoqrafiyadan istifadə edir. Klassik modellər (məsələn, Qauss paylama modeli) fizikaya əsaslanır; Süni intellekt bu modelləri sürətləndirmək, nəticəni şərh etmək və böyük ölçmə məlumat dəstlərindən nümunələr çıxarmaq üçün istifadə olunur, lakin fizikanın süni intellektə uyğunlaşdırılması təhlükəlidir.
Proqnoz: sabahkı havanın proqnozlaşdırılması
Süni intellektin ən güclü sahəsi proqnozlaşdırmadır: tarixi ölçmə, meteorologiya və trafik məlumatlarından istifadə edərək, sabah və ya bir neçə saat sonra çirkləndirici səviyyələri proqnozlaşdıran modellər qurmaq. Bu, ictimai sağlamlıq xəbərdarlığı və ehtiyat tədbirləri (məsələn, yol hərəkətinin məhdudlaşdırılması) üçün dəyərlidir. Amma hər proqnozun qeyri-müəyyənliyi var və model öyrədildiyi şərtlərdən (məsələn, gözlənilməz yanğın) kənara çıxdıqda səhv olacaq.
Addım-addım: hava keyfiyyətinin təhlili
1. Sualı və parametri seçin. Hansı çirkləndirici, hansı yer, hansı müddət üçün?
2. Məlumat mənbəyini yoxlayın. İstinad stansiyası və ya ucuz sensor? kalibr?
3. Əvvəlcədən proses. Çatışmayan məlumatları, sensor sürüşməsini, həddindən artıq kənarları təmizləyin.
4. AQI-yə çevirin və həddi ilə müqayisə edin. Qanuni həddi aşıb?
5. Model/proqnoz. Trend, mövsümilik, gələcək proqnoz.
6. Qeyri-müəyyənlik barədə məlumat verin. Həmişə güvən intervalları və model limitləri ilə təxminlər təqdim edin.
üç mini qutu
Məsələn 1 – Emissiya konsentrasiyası qarışıqlığı. Müəssisələrdən biri elan etmək istəyirdi ki, baca emissiyalarını 20% azaltdı və buna görə də "məhəllədəki hava 20% daha təmiz oldu". Mütəxəssis göstərdi ki, həmin vaxt küləyin istiqaməti dəyişib və konsentrasiyaya əslində meteorologiya təsir edib; Emissiyanın azaldılması real idi, lakin konsentrasiya iddiası əsassız idi. Bəyanat "biz yığın emissiyalarını 20% azaltdıq" ilə məhdudlaşdı; Sübutsuz hava iddiası silindi.
Case 2 — Sensorun kalibrlənməsi. Məktəb aşağı qiymətli sensorla "təhlükəli PM2.5" xəbərdarlığı aldı. Mütəxəssis sensoru yaxınlıqdakı istinad stansiyası ilə müqayisə etdikdə, dəyərin yüksək rütubətdə şişirdildiyini aşkar etdi; Rütubətin düzəldilməsindən sonra dəyər "orta" səviyyəyə enmişdir. Kalibrlənməmiş sensor panikaya səbəb ola bilər. (Bu, hər bir ölçmə sahəsində sensorun kalibrlənməsinin nə qədər kritik olduğunu bir daha göstərir.)
3-cü hal – Proqnozun qeyri-müəyyənliyi. Bir bələdiyyə ertəsi gün AI proqnoz modeli ilə "yüksək çirklənmə" barədə xəbərdarlıq etdi, lakin gözlənilməz bir qum fırtınası proqnozu pozdu. Komanda əvvəllər modelin “məşqdən kənar məlumat hadisələri üçün etibarsız” olduğunu bildirmişdi; ona görə də xəbərdarlıq “mümkün” kimi təqdim edilib və heç bir inam itkisi olmayıb. Qeyri-müəyyənliyin aydınlaşdırılması proqnozlaşdırmanın məsuliyyətli istifadəsidir.
Zəif məlumat / Güclü göstəriş
Zəif çağırış:
Bu hava məlumatları ilə sabahı proqnozlaşdırın.
Niyə zəifdir: Parametrlər, yer, məlumat keyfiyyəti, model növü və qeyri-müəyyənliyə tələb yoxdur. Çıxış tək bir rəqəm olacaq, etibarlılığı bilinmir.
Güclü göstəriş:
Sizin rolunuz: hava keyfiyyəti məlumatı üzrə alim. Aşağıdakı PM2.5 saatlıq məlumat və meteorologiya (külək, rütubət, temperatur) ilə növbəti 24 saat üçün Python-da sadə proqnoz modeli (məsələn, qradiyentin artırılması) qurun. Addımlar: (1) məlumatların təmizlənməsi və sensor sürüşməsinə nəzarət, (2) xüsusiyyətin hazırlanması, (3) model, (4) etibarlılıq intervalı ilə proqnozlar verin. Modelin məhdudiyyətlərini aydın şəkildə ifadə edin (təhsillə əlaqəli olmayan vəziyyətlərdə etibarsızlıq). Məlumat: [burada]
Dörd kopyalana bilən şablon
1) Hava məlumatlarının təmizlənməsi + AQI:
Aşağıdakı hava keyfiyyəti ölçmələrini Python ilə təmizləyin (aşağı vurma, ilişmə, sürüşmə, ötmə) və onları standart AQI-yə çevirin. Hansı AQI formulasından istifadə etdiyinizi göstərin; uyğunluq. Qanuni həddi aşan saatları qeyd edin. Məlumat: [burada]
2) Emissiya və konsentrasiya fərqi:
Aşağıdakı iddianı yoxlayın: emissiyalar (mənbədən) və ya konsentrasiya (havada ölçülür) haqqındadır? İkisini qarışdıran və ya meteorologiyaya məhəl qoymayan hissələri vurğulayın və dəlillərə əsaslanaraq ölçülmüş yenidən ifadə etməyi təklif edin. İddia: [burada]
3) Proqnoz modeli (qeyri-müəyyənliklə):
Sizin rolunuz: məlumat alimi. Aşağıdakı zaman seriyası ilə [çirkləndirici] üçün qısamüddətli proqnoz modelini (Python) qurun. Hər bir proqnozu etibarlılıq intervalı ilə verin. Modelin hansı şəraitdə (qeyri-məşq hadisəsi, ekstremal hava) etibarsız olacağını aydın şəkildə yazın. Həddindən artıq optimist həqiqət iddiası FAKE.Data: [burada]
4) Resurs töhfəsinin xülasəsi:
Aşağıdakı hava keyfiyyəti və külək məlumatlarından, mümkün mənbə istiqaməti haqqında ipucu vermək üçün yüksək çirklənmə saatlarında küləyin hansı istiqamətdən gəldiyini təhlil edin. Birbaşa “mənbə budur” deməyin; Ehtimal və yoxlama təklif edin. Məlumat: [burada]
Ümumi səhvlər
- Emissiya ilə konsentrasiyanı qarışdırmaq. Bacanın azalması havada təmizlik demək deyil.
- Kalibrlənməmiş bir sensora arxalanaraq. Rütubət və sürüşmə dəyərləri şişirdir.
- Təxmini qeyri-müəyyənlik olmadan təqdim etmək. Hər bir qiymətləndirmə etimad intervalı ilə verilməlidir.
- Fizikanı AI ilə uyğunlaşdırmaq. Paylanma modeli fizika tələb edir; LLM-nin "proqnozu" fizika deyil.
- Hüquqi hədləri xatırlamaq. Qanunvericilikdən limit dəyərləri götürün.
Diqqət: Havanın keyfiyyəti ilə bağlı iddialar əhalinin sağlamlığına aiddir. Yalan "təmiz" iddia insanları risk altına qoyur; Əsassız “çirkli” həyəcan lüzumsuz panika və iqtisadi ziyan yaradır. Hər bir iddianı kalibrlənmiş məlumat, uyğun model və aydın qeyri-müəyyənliklə dəstəkləyin.
Xülasə
Hava keyfiyyəti; Bu, emissiyanın konsentrasiyadan ayrılmasını, ölçmənin kalibrlənməsini, uyğun modelləşdirməni və qeyri-müəyyənliklə təqdim olunan proqnozlaşdırmanı tələb edir. AI; Məlumatların təmizlənməsi, nümunənin çıxarılması və qısamüddətli proqnozlaşdırmada güclüdür. Lakin fizikaya əsaslanan paylama, sensorun kalibrlənməsi, qanuni hədlər və qeyri-müəyyənliyin dürüst hesabatı ekspertə məxsusdur. Bacanın üstündəki nömrə qonşuluqdakı hava ilə eyni deyil.
Tətbiq tapşırığı
Yer üçün hipotetik saatlıq PM2.5 və meteoroloji məlumat hazırlayın. 1-ci şablonla, AI məlumatları təmizləsin, onu AQI-yə çevirin və həddi aşırmaları qeyd edin. Sonra 3-cü şablonla qısamüddətli proqnoz modeli qurun və hər bir proqnozun etibarlılıq intervalı ilə gəldiyinə əmin olun. Nəhayət, havanın keyfiyyəti iddianızı şablon 2 ilə emissiyalar/konsentrasiya üçün yoxlayın.
yoxlama siyahısı
- [ ] Emissiya və konsentrasiya arasında fərqi düzgün etdim.
- [ ] Sensor məlumatlarını kalibrləmə və sürüşmə üçün yoxladım.
- [ ] Mən AQI və hədləri düzgün düsturdan/qanunvericilikdən əldə etdim.
- [ ] Mən güvən intervalı və model limiti ilə təxminləri təqdim etdim.
- [ ] Məndə paylanma/fizika tələb edən hissələri uyğunlaşdırmaq üçün AI yox idi.
- [ ] Mən ictimai sağlamlıq iddialarını sübutlarla dəstəklədim.