Kasu:
- Võimalus eristada heiteid (allikast) ja kontsentratsiooni (mõõdetuna õhus) ning teisendada kalibreeritud andmed AQI-ks ja võrrelda neid lävedega
- Võimalus koostada lühiajaline saasteennustusmudel ja esitada iga ennustus ausalt usaldusvahemike ja mudeli piiridega
- Võimalus toetada rahvatervise väiteid tõenditega, ilma et tehisintellekt oleks kohandanud osi, mis nõuavad levitamist/füüsikat
Õhusaaste on nähtamatu, kuid surmav: see põhjustab igal aastal miljoneid enneaegseid surmajuhtumeid ja on läbi põimunud kliimamuutustega. Asutused vastutavad nii oma korstnate heitkoguste kui ka neid ümbritseva õhukvaliteedi eest. Selles õppetükis õpid tundma õhukvaliteedi parameetreid, mõõtmis- ja modelleerimismeetodeid, ennustamist tehisintellektiga ja kõige selle piire.
Kõigepealt mõisted. Õhukvaliteeti mõõdetakse üldiselt mitme peamise saasteainega: PM2,5 ja PM10 (tahked osakesed, mis on väiksemad kui 2,5 ja 10 mikronit – sissehingatav tolm), NO₂ (põlemisel tekkiv lämmastikdioksiid), SO₂ (vääveldioksiid), O₃ (maapinna osoon) ja CO (süsinikmonooksiid). AQI (Air Quality Index) on indeks, mis muudab need saasteained üheks värviliseks/numbriliseks skaalaks (hea-ohtlik), millest avalikkus aru saab. Emissioon on allikast eralduv kogus, kontsentratsioon aga kontsentratsioon õhus; Oluline on neid kahte mitte segi ajada.
Vihje: Emissioon (allikast) ja kontsentratsioon (mõõdetuna õhus) on kaks erinevat asja. Tuul, temperatuur ja topograafia põhjustavad sama emissiooni, mille tulemuseks on väga erinevad kontsentratsioonid. Ütlemine "korstnast tuleb vähem välja" ei tähenda, et "läheduses on õhk puhas".
Modelleerimine: emissioonist kontsentratsioonini
Korstnast väljuva saasteaine kontsentratsiooni arvutamine lähedalasuvasse naabrusse on hajumise modelleerimise küsimus. Need mudelid kasutavad meteoroloogiat (tuule suund/kiirus, atmosfääri stabiilsus) ja topograafiat. Klassikalised mudelid (nt Gaussi jaotusmudel) on füüsikapõhised; Tehisintellekti kasutatakse nende mudelite kiirendamiseks, väljundi tõlgendamiseks ja suurtest mõõtmisandmete kogumitest mustrite eraldamiseks – kuid füüsikat on AI-sse sobitumine ohtlik.
Prognoos: ennustab homset ilma
Tehisintellekti tugevaim valdkond on prognoosimine: selliste mudelite ehitamine, mis ennustavad saasteainete taset homme või paar tundi hiljem, kasutades ajaloolisi mõõtmisi, meteoroloogiat ja liiklusandmeid. See on väärtuslik rahvatervise hoiatuste ja ettevaatusabinõude (nt liikluspiirangu) jaoks. Kuid igal ennustusel on ebakindlus ja mudel eksib, kui see jääb väljaõppe tingimustest (näiteks ootamatu tulekahju korral).
Samm-sammult: õhukvaliteedi analüüs
1. Valige küsimus ja parameeter. Milline saasteaine, mis asukoht, mis ajaks?
2. Kontrollige andmeallikat. Tugijaam või odavandur? Kaliiber?
3. Eeltöötlus. Eemaldage puuduvad andmed, andurite triivimine, äärmuslikud kõrvalekalded.
4. Teisendage AQI-ks ja võrrelge lävega. Kas seaduslik piirmäär on ületatud?
5. Mudel/ennustus. Trend, hooajalisus, tulevikuprognoos.
6. Teatage ebakindlusest. Esitage hinnangud alati usaldusvahemike ja mudelipiirangutega.
kolm minikarpi
Juhtum 1 – heite-kontsentratsiooni segadus. Üks rajatis tahtis teatada, et on vähendanud oma korstna heitkoguseid 20% ja seetõttu oli "naabruskonna õhk 20% puhtam". Ekspert näitas, et tuule suund sel ajal muutus ja kontsentratsiooni mõjutas tegelikult meteoroloogia; Heitkoguste vähenemine oli reaalne, kuid kontsentratsiooni väide oli põhjendamatu. Väide piirdus sellega, et "me vähendasime korstna heitkoguseid 20%"; Õhunõue ilma tõenditeta.
Juhtum 2 – anduri kalibreerimine. Üks kool sai odava anduriga hoiatuse "ohtlik PM2,5". Kui ekspert võrdles andurit lähedalasuva tugijaamaga, avastas ta, et väärtus oli kõrge õhuniiskuse korral pumbatud; Pärast niiskuse korrigeerimist vähenes väärtus "keskmise" tasemeni. Kalibreerimata andur võib põhjustada paanikat. (See näitab veel kord, kui kriitiline on anduri kalibreerimine igas mõõtmispiirkonnas.)
Juhtum 3 – prognoosimääramatus. Üks omavalitsus hoiatas järgmisel päeval oma tehisintellekti prognoosimudeliga "kõrge saastatuse" eest, kuid ootamatu liivatorm nurjas prognoosi. Meeskond oli varem teatanud, et mudel oli "mittekoolituse andmesündmuste jaoks ebausaldusväärne"; seetõttu esitati hoiatus kui "võimalik" ja usaldust ei kadunud. Ebakindluse selgeks tegemine on ennustuse vastutustundlik kasutamine.
Nõrk viip / Tugev viip
Nõrk viip:
Nende ilmaandmetega ennustage homset päeva.
Miks see on nõrk: puudub nõudlus parameetrite, asukoha, andmete kvaliteedi, mudeli tüübi ja ebakindluse järele. Väljund oleks üks arv, selle töökindlus teadmata.
Võimas viip:
Sinu roll: õhukvaliteedi andmeteadlane. Järgmiste PM2.5 tunniandmete ja meteoroloogia (tuul, niiskus, temperatuur) abil seadistage Pythonis järgmise 24 tunni jaoks lihtne prognoosimudel (nt gradiendi võimendamine). Sammud: (1) andmete puhastamine ja andurite triivi juhtimine, (2) funktsioonide ettevalmistamine, (3) mudel, (4) prognooside andmine usaldusvahemikuga. Kirjeldage selgelt mudeli piiranguid (ebausaldusväärsus mittehariduslikes olukordades). Andmed: [siin]
Neli kopeeritavat malli
1) Õhuandmete puhastamine + AQI:
Puhastage Pythoni abil järgmised õhukvaliteedi mõõtmised (ala-, kinni-, triiv-, üle-üleminek) ja teisendage need standardseks AQI-ks. Määrake, millist AQI valemit kasutate; sobitamine. Märkige tunnid, mis ületavad seaduslikku läve. Andmed: [siin]
2) Heite ja kontsentratsiooni erinevus:
Kontrollige järgmist väidet: kas see puudutab heidet (allikast) või kontsentratsiooni (mõõdetuna õhus)? Tõstke esile need osad, mis ajavad need kaks segamini või ignoreerivad meteoroloogiat, ja soovitage tõenditel põhinevat mõõdetud ümbersõnastamist. Nõue: [siin]
3) Ennustusmudel (määramatusega):
Sinu roll: andmeteadlane. Koostage [saasteaine] jaoks lühiajaline prognoosimudel (Python) järgmiste aegridadega. Esitage iga ennustus koos selle usaldusvahemikuga. Kirjutage selgelt, millistel tingimustel (treeninguväline sündmus, ekstreemne ilm) mudel ebausaldusväärne oleks. Liiga optimistlik tõeväide FAKE.Data: [siin]
4) Ressursi panuse kokkuvõte:
Alltoodud õhukvaliteedi ja tuule andmete põhjal analüüsige, millisest suunast tuul suure saastusega tundidel tuleb, et anda aimu võimaliku allika suuna kohta. Ärge öelge otse: "see on allikas"; Paku tõenäosust ja kontrolli. Andmed: [siin]
Levinud vead
- Segane emissioon kontsentratsiooniga. Korstna vähenemine ei tähenda õhu puhtust.
- Tuginedes kalibreerimata andurile. Niiskus ja triiv suurendavad väärtusi.
- Hinnangu esitamine ilma ebakindluseta. Iga hinnang tuleks esitada usaldusvahemikuga.
- Füüsika sobitamine tehisintellektiga. Jaotusmudel nõuab füüsikat; LLM-i "ennustus" ei ole füüsika.
- Seaduslike piirmäärade meelespidamine. Võtke piirväärtused õigusaktidest.
Ettevaatust: õhukvaliteedi väited puudutavad rahvatervist. Vale "puhas" väide seab inimesed ohtu; Alusetu "määrdunud" alarm tekitab tarbetut paanikat ja majanduslikku kahju. Toetage iga väidet kalibreeritud andmete, sobiva mudeli ja selge ebakindlusega.
Kokkuvõttes
Õhu kvaliteet; See nõuab heitkoguste eraldamist kontsentratsioonist, mõõtmise kalibreerimist, asjakohast modelleerimist ja prognoosimist, mis esitatakse ebakindlusega. AI; See on võimas andmete puhastamisel, mustrite eraldamisel ja lühiajaliste prognooside tegemisel. Kuid füüsikapõhine jaotus, andurite kalibreerimine, seaduslikud läved ja määramatuse aus teatamine kuuluvad eksperdile. Korstnal olev number ei ole sama, mis naabruses olev õhk.
Rakenduse ülesanne
Valmistage ette hüpoteetilised tunniandmed PM2,5 ja meteoroloogilised andmed asukoha kohta. Esimese malliga laske tehisintellektil andmed puhastada, teisendada AQI-ks ja märkida läveületused. Seejärel koostage 3. malliga lühiajalise prognoosi mudel ja veenduge, et iga prognoosiga on kaasas usaldusvahemik. Lõpuks laske oma õhukvaliteedi väitel heite/kontsentratsiooni auditeerida malliga 2.
kontrollnimekiri
- [ ] Tegin õigesti vahet emissiooni ja kontsentratsiooni vahel.
- [ ] Kontrollisin andurite andmeid kalibreerimiseks ja triivimiseks.
- [ ] Sain AQI ja künnised õigest valemist/õigusaktist.
- [ ] Esitasin hinnangud usaldusvahemiku ja mudelipiiranguga.
- [ ] Mul ei olnud AI-l kohandatud osi, mis nõudsid levitamist/füüsikat.
- [ ] Toetasin rahvatervise väiteid tõenditega.