লাভ:
- নির্গমন (উৎস থেকে) এবং ঘনত্ব (বায়ুতে পরিমাপ করা) এর মধ্যে পার্থক্য করার ক্ষমতা এবং ক্যালিব্রেটেড ডেটাকে AQI তে রূপান্তর করতে এবং থ্রেশহোল্ডের সাথে তুলনা করার ক্ষমতা
- একটি স্বল্প-মেয়াদী দূষণ ভবিষ্যদ্বাণী মডেল তৈরি করার এবং আত্মবিশ্বাসের ব্যবধান এবং মডেল সীমার সাথে প্রতিটি ভবিষ্যদ্বাণী সৎভাবে উপস্থাপন করার ক্ষমতা
- কৃত্রিম বুদ্ধিমত্তা ছাড়াই প্রমাণ সহ জনস্বাস্থ্যের দাবি সমর্থন করার ক্ষমতা এমন অংশগুলিকে অভিযোজিত করে যার জন্য বিতরণ/পদার্থবিদ্যা প্রয়োজন
বায়ু দূষণ অদৃশ্য কিন্তু মারাত্মক: এটি প্রতি বছর লক্ষ লক্ষ অকাল মৃত্যু ঘটায় এবং জলবায়ু পরিবর্তনের সাথে জড়িত। প্রতিষ্ঠানগুলি তাদের নিজস্ব স্ট্যাক নির্গমন এবং তাদের চারপাশের বাতাসের গুণমান উভয়ের জন্য দায়ী। এই ইউনিটে, আপনি বায়ু মানের পরামিতি, পরিমাপ এবং মডেলিং পদ্ধতি, AI এর সাথে ভবিষ্যদ্বাণী এবং এই সমস্তগুলির সীমা শিখবেন।
প্রথম ধারণা. বায়ুর গুণমান সাধারণত বেশ কয়েকটি প্রধান দূষণকারীর উপর পরিমাপ করা হয়: PM2.5 এবং PM10 (2.5 এবং 10 মাইক্রনের চেয়ে ছোট কণা পদার্থ - শ্বাস-প্রশ্বাসযোগ্য ধুলো), NO₂ (নাইট্রোজেন ডাই অক্সাইড — জ্বলন থেকে), SO₂ (সালফার ডাই অক্সাইড), O₃ (গ্রাউন্ড লেভেল ওজোন) এবং কার্বন অক্সাইড। AQI (এয়ার কোয়ালিটি ইনডেক্স) হল এমন একটি সূচক যা এই দূষণকে একটি একক রঙিন/সংখ্যাযুক্ত স্কেলে (ভাল-বিপজ্জনক) রূপান্তরিত করে যা জনসাধারণ বুঝতে পারে। নির্গমন হল উৎস থেকে নিঃসৃত পরিমাণ, যখন ঘনত্ব হল বায়ুতে ঘনত্ব; দুটিকে বিভ্রান্ত না করা গুরুত্বপূর্ণ।
ইঙ্গিত: নির্গমন (উৎস থেকে) এবং ঘনত্ব (বাতাসে পরিমাপ করা) দুটি ভিন্ন জিনিস। বায়ু, তাপমাত্রা এবং টপোগ্রাফি একই নির্গমন ঘটায় যার ফলে খুব ভিন্ন ঘনত্ব হয়। "চিমনি থেকে কম বের হচ্ছে" বলার অর্থ এই নয় যে "আশেপাশের বাতাস পরিষ্কার"।
মডেলিং: নির্গমন থেকে ঘনত্ব পর্যন্ত
একটি চিমনি থেকে বেরিয়ে আসা দূষণকারীর ঘনত্ব কাছাকাছি একটি আশেপাশে পৌঁছাবে তা গণনা করা একটি বিচ্ছুরণ মডেলিংয়ের বিষয়। এই মডেলগুলি আবহাওয়াবিদ্যা (বাতাসের দিক/গতি, বায়ুমণ্ডলীয় স্থিতিশীলতা) এবং টপোগ্রাফি ব্যবহার করে। ক্লাসিক্যাল মডেল (যেমন গাউসিয়ান ডিস্ট্রিবিউশন মডেল) হল পদার্থবিদ্যা ভিত্তিক; AI এই মডেলগুলিকে ত্বরান্বিত করতে, আউটপুট ব্যাখ্যা করতে এবং বৃহৎ পরিমাপ ডেটা সেট থেকে প্যাটার্নগুলি বের করতে ব্যবহার করা হয় — তবে পদার্থবিদ্যাকে AI-তে ফিট করা বিপজ্জনক।
পূর্বাভাস: আগামীকালের আবহাওয়ার পূর্বাভাস
AI এর শক্তিশালী ক্ষেত্র হল পূর্বাভাস: ঐতিহাসিক পরিমাপ, আবহাওয়াবিদ্যা এবং ট্রাফিক ডেটা ব্যবহার করে আগামীকাল বা কয়েক ঘন্টা পরে দূষণকারী মাত্রার ভবিষ্যদ্বাণী করে এমন মডেল তৈরি করা। এটি জনস্বাস্থ্য সতর্কতা এবং সতর্কতার জন্য মূল্যবান (যেমন ট্রাফিক সীমাবদ্ধতা)। কিন্তু প্রতিটি ভবিষ্যদ্বাণীতে অনিশ্চয়তা থাকে এবং মডেলটি ভুল হবে যখন এটি প্রশিক্ষিত শর্তের বাইরে পড়ে (উদাহরণস্বরূপ, একটি অপ্রত্যাশিত আগুন)।
ধাপে ধাপে: একটি বায়ু মানের বিশ্লেষণ
1. প্রশ্ন এবং প্যারামিটার নির্বাচন করুন। কোন দূষণকারী, কোন অবস্থান, কোন সময়ের জন্য?
2. ডেটা উৎস যাচাই করুন। রেফারেন্স স্টেশন বা কম খরচে সেন্সর? ক্যালিবার?
3. প্রাক-প্রক্রিয়া। অনুপস্থিত ডেটা, সেন্সর ড্রিফ্ট, চরম আউটলায়ারগুলি পরিষ্কার করুন।
4. AQI তে রূপান্তর করুন এবং থ্রেশহোল্ডের সাথে তুলনা করুন। আইনি সীমা অতিক্রম করেছে?
5. মডেল/ভবিষ্যদ্বাণী। প্রবণতা, ঋতু, ভবিষ্যতের অভিক্ষেপ।
6. অনিশ্চয়তা রিপোর্ট করুন। সর্বদা আত্মবিশ্বাসের ব্যবধান এবং মডেল সীমা সহ অনুমান উপস্থাপন করুন।
তিনটি মিনি কেস
কেস 1 - নির্গমন-ঘনত্ব বিভ্রান্তি। একটি সুবিধা ঘোষণা করতে চেয়েছিল যে এটি তার স্ট্যাক নির্গমন 20% কমিয়েছে এবং তাই "পাড়ার বাতাস 20% পরিষ্কার"। বিশেষজ্ঞ দেখিয়েছিলেন যে সেই সময়ে বাতাসের দিক পরিবর্তন হয়েছিল এবং ঘনত্ব আসলে আবহাওয়াবিদ্যা দ্বারা প্রভাবিত হয়েছিল; নির্গমন হ্রাস বাস্তব ছিল, কিন্তু ঘনত্ব দাবি অপ্রমাণিত ছিল। বিবৃতিটি সীমাবদ্ধ ছিল "আমরা 20% দ্বারা স্ট্যাক নির্গমন কমিয়েছি"; প্রমাণ ছাড়াই এয়ার দাবি মুছে ফেলা হয়েছে।
কেস 2 - সেন্সর ক্রমাঙ্কন। একটি স্কুল কম খরচে সেন্সর সহ একটি "বিপজ্জনক PM2.5" সতর্কতা পেয়েছে৷ বিশেষজ্ঞ যখন সেন্সরটিকে কাছাকাছি একটি রেফারেন্স স্টেশনের সাথে তুলনা করেন, তখন তিনি দেখতে পান যে মানটি উচ্চ আর্দ্রতায় স্ফীত হয়েছে; আর্দ্রতা সংশোধনের পরে, মান "মাঝারি" স্তরে হ্রাস পেয়েছে। একটি ক্যালিব্রেটেড সেন্সর আতঙ্কের কারণ হতে পারে। (এটি আবার দেখায় যে প্রতিটি পরিমাপের ক্ষেত্রে সেন্সর ক্রমাঙ্কন কতটা গুরুত্বপূর্ণ।)
কেস 3 - পূর্বাভাস অনিশ্চয়তা। একটি পৌরসভা তার এআই পূর্বাভাস মডেলের সাথে পরের দিন "উচ্চ দূষণ" সম্পর্কে সতর্ক করেছিল, কিন্তু একটি অপ্রত্যাশিত বালির ঝড় পূর্বাভাসকে ব্যর্থ করে দিয়েছে। দলটি পূর্বে রিপোর্ট করেছিল যে মডেলটি "অ-প্রশিক্ষণ ডেটা ইভেন্টগুলির জন্য অবিশ্বস্ত" ছিল; তাই সতর্কতাটিকে "সম্ভাব্য" হিসাবে উপস্থাপন করা হয়েছিল এবং আত্মবিশ্বাসের কোন ক্ষতি হয়নি৷ অনিশ্চয়তা পরিষ্কার করা হল ভবিষ্যদ্বাণীর দায়িত্বশীল ব্যবহার।
দুর্বল প্রম্পট / শক্তিশালী প্রম্পট
দুর্বল প্রম্পট:
এই আবহাওয়ার তথ্য দিয়ে আগামীকাল ভবিষ্যদ্বাণী করুন।
কেন এটি দুর্বল: পরামিতি, অবস্থান, ডেটা গুণমান, মডেলের ধরন এবং অনিশ্চয়তার জন্য কোনও চাহিদা নেই। আউটপুট একটি একক সংখ্যা হবে, এর নির্ভরযোগ্যতা অজানা।
শক্তিশালী প্রম্পট:
আপনার ভূমিকা: বায়ু মানের ডেটা বিজ্ঞানী। নিম্নলিখিত PM2.5 ঘন্টায় ডেটা এবং আবহাওয়া (বায়ু, আর্দ্রতা, তাপমাত্রা) সহ, পরবর্তী 24 ঘন্টার জন্য পাইথনে একটি সাধারণ পূর্বাভাস মডেল (যেমন গ্রেডিয়েন্ট বুস্টিং) সেট আপ করুন৷ ধাপ: (1) ডেটা পরিষ্কার করা এবং সেন্সর ড্রিফ্ট নিয়ন্ত্রণ, (2) বৈশিষ্ট্য প্রস্তুতি, (3) মডেল, (4) আত্মবিশ্বাসের ব্যবধানে ভবিষ্যদ্বাণী করা। স্পষ্টভাবে মডেলের সীমাবদ্ধতাগুলি বর্ণনা করুন (অ-শিক্ষাগত পরিস্থিতিতে অবিশ্বস্ততা)। তথ্য: [এখানে]
চারটি অনুলিপিযোগ্য টেমপ্লেট
1) এয়ার ডাটা ক্লিনিং + AQI:
পাইথন (আন্ডারশুট, আটকে, ড্রিফ্ট, ওভারশুট) দিয়ে নিম্নোক্ত বায়ু মানের পরিমাপ পরিষ্কার করুন এবং সেগুলিকে স্ট্যান্ডার্ড AQI তে রূপান্তর করুন। আপনি কোন AQI সূত্র ব্যবহার করেন তা উল্লেখ করুন; ফিটিং আইনি থ্রেশহোল্ড অতিক্রম করার সময় চিহ্নিত করুন। তথ্য: [এখানে]
2) নির্গমন বনাম ঘনত্ব পার্থক্য:
নিম্নলিখিত দাবিটি পরীক্ষা করুন: এটি কি নির্গমন (উৎস থেকে) বা ঘনত্ব (বাতাসে পরিমাপ করা) সম্পর্কে? সেই অংশগুলিকে হাইলাইট করুন যা দুটিকে বিভ্রান্ত করে বা আবহাওয়াবিদ্যাকে উপেক্ষা করে এবং প্রমাণের ভিত্তিতে একটি পরিমাপিত পুনর্বিবেচনার পরামর্শ দেয়। দাবি: [এখানে]
3) ভবিষ্যদ্বাণী মডেল (অনিশ্চয়তার সাথে):
আপনার ভূমিকা: তথ্য বিজ্ঞানী. নিম্নলিখিত সময় সিরিজের সাথে [দূষণকারী] জন্য একটি স্বল্প-মেয়াদী পূর্বাভাস মডেল (পাইথন) তৈরি করুন। প্রতিটি ভবিষ্যদ্বাণী তার আত্মবিশ্বাসের ব্যবধানে দিন। কোন পরিস্থিতিতে (অ-প্রশিক্ষণের ঘটনা, চরম আবহাওয়া) মডেলটি অবিশ্বস্ত হবে তা স্পষ্টভাবে লিখুন। অত্যধিক আশাবাদী সত্য দাবি FAKE. ডেটা: [এখানে]
4) সম্পদ অবদান সারাংশ:
নীচের বায়ুর গুণমান এবং বায়ুর ডেটা থেকে, সম্ভাব্য উত্সের দিক সম্পর্কে একটি সূত্র দিতে উচ্চ দূষণের সময় বাতাস কোন দিক থেকে আসছে তা বিশ্লেষণ করুন। "এটি উৎস" সরাসরি বলবেন না; অফার সম্ভাবনা এবং যাচাই. তথ্য: [এখানে]
সাধারণ ভুল
- ঘনত্বের সাথে বিভ্রান্তিকর নির্গমন। চিমনি হ্রাস বাতাসে পরিচ্ছন্নতা বোঝায় না।
- একটি আনক্যালিব্রেটেড সেন্সরের উপর নির্ভর করা। আর্দ্রতা এবং প্রবাহ মান স্ফীত.
- অনিশ্চয়তা ছাড়া অনুমান উপস্থাপন. প্রতিটি অনুমান একটি আত্মবিশ্বাসের ব্যবধানে দেওয়া উচিত।
- AI এর সাথে ফিজিক্স ফিট করা। বন্টন মডেল পদার্থবিদ্যা প্রয়োজন; এলএলএম এর "ভবিষ্যদ্বাণী" পদার্থবিদ্যা নয়।
- আইনি থ্রেশহোল্ড মনে রাখা. আইন থেকে সীমা মান নিন।
সতর্কতা: বায়ুর গুণমানের দাবি জনস্বাস্থ্যের সাথে সম্পর্কিত। একটি মিথ্যা "পরিষ্কার" দাবি মানুষকে ঝুঁকির মধ্যে ফেলে; একটি ভিত্তিহীন "নোংরা" অ্যালার্ম অপ্রয়োজনীয় আতঙ্ক এবং অর্থনৈতিক ক্ষতি তৈরি করে। ক্যালিব্রেটেড ডেটা, উপযুক্ত মডেল এবং স্পষ্ট অনিশ্চয়তার সাথে প্রতিটি দাবিকে সমর্থন করুন।
সংক্ষেপে
বায়ুর গুণমান; এটি ঘনত্ব থেকে নির্গমনকে পৃথক করা, পরিমাপ ক্রমাঙ্কন, যথাযথ মডেলিং এবং অনিশ্চয়তার সাথে উপস্থাপিত পূর্বাভাস প্রয়োজন। এআই; এটি ডেটা পরিষ্কার, প্যাটার্ন নিষ্কাশন এবং স্বল্পমেয়াদী পূর্বাভাস দেওয়ার ক্ষেত্রে শক্তিশালী। কিন্তু পদার্থবিদ্যা-ভিত্তিক বিতরণ, সেন্সর ক্রমাঙ্কন, আইনি প্রান্তিকতা, এবং অনিশ্চয়তার সৎ প্রতিবেদন বিশেষজ্ঞের অন্তর্গত। চিমনিতে সংখ্যাটি আশেপাশের বাতাসের মতো নয়।
আবেদন টাস্ক
একটি অবস্থানের জন্য অনুমানভিত্তিক প্রতি ঘণ্টায় PM2.5 এবং আবহাওয়া সংক্রান্ত তথ্য প্রস্তুত করুন। 1ম টেমপ্লেটের সাহায্যে, AI-কে ডেটা পরিষ্কার করতে হবে, এটিকে AQI তে রূপান্তর করতে হবে এবং থ্রেশহোল্ডের সীমা ছাড়িয়ে যেতে হবে। তারপরে 3য় টেমপ্লেট সহ একটি স্বল্পমেয়াদী পূর্বাভাস মডেল তৈরি করুন এবং নিশ্চিত করুন যে প্রতিটি পূর্বাভাস একটি আত্মবিশ্বাসের ব্যবধানের সাথে আসে। অবশেষে, টেমপ্লেট 2 সহ নির্গমন/ঘনত্বের জন্য আপনার বায়ু মানের দাবি নিরীক্ষিত করুন।
চেকলিস্ট
- আমি নির্গমন এবং ঘনত্বের মধ্যে পার্থক্য সঠিকভাবে করেছি।
- আমি ক্রমাঙ্কন এবং প্রবাহের জন্য সেন্সর ডেটা পরীক্ষা করেছি।
- [ ] আমি সঠিক সূত্র/আইন থেকে AQI এবং থ্রেশহোল্ড পেয়েছি।
- [ ] আমি আস্থার ব্যবধান এবং মডেল সীমা সহ অনুমান উপস্থাপন করেছি৷
- ডিস্ট্রিবিউশন/ফিজিক্সের জন্য প্রয়োজনীয় অংশগুলিকে মানিয়ে নিতে AI আমার কাছে ছিল না।
- [] আমি প্রমাণ সহ জনস্বাস্থ্যের দাবি সমর্থন করেছি।