Табыстар:
- Шығарындыларды (көзден) және концентрацияны (ауада өлшенген) ажырату және калибрленген деректерді AQI-ге түрлендіру және оны шекті мәндермен салыстыру мүмкіндігі
- Қысқа мерзімді ластануды болжау моделін құру және әрбір болжамды сенімділік интервалдары мен модель шектеулерімен шынайы ұсыну мүмкіндігі
- Жасанды интеллект таратуды/физиканы қажет ететін бөліктерді бейімдеусіз қоғамдық денсаулық туралы шағымдарды дәлелдемелермен қолдау мүмкіндігі
Ауаның ластануы көзге көрінбейді, бірақ өлімге әкеледі: ол жыл сайын миллиондаған мезгілсіз өлімге әкеледі және климаттың өзгеруімен байланысты. Мекемелер өз қабаттарының шығарындыларына және олардың айналасындағы ауаның сапасына жауап береді. Бұл бөлімде сіз ауа сапасының параметрлерін, өлшеу және модельдеу әдістерін, AI көмегімен болжауды және осылардың барлығының шектерін үйренесіз.
Алдымен ұғымдар. Ауа сапасы әдетте бірнеше негізгі ластаушы заттармен өлшенеді: PM2.5 және PM10 (2,5 және 10 микроннан аз бөлшектер — тыныс алатын шаң), NO₂ (азот диоксиді — жану кезіндегі), SO₂ (күкірт диоксиді), O₃ (жер бетіндегі озон оксиді), және CO. AQI (Ауа сапасының индексі) – бұл ластаушы заттарды халық түсінетін бір түсті/нөмірленген шкалаға (жақсы-қауіпті) түрлендіретін индекс. Шығарылым – бұл көзден бөлінетін мөлшер, ал концентрация – ауадағы концентрация; Бұл екеуін шатастырмау өте маңызды.
Нұсқау: Шығарылым (көзден) және концентрация (ауада өлшенген) екі түрлі нәрсе. Жел, температура және жер бедері бірдей шығарындылардың әртүрлі концентрацияларға әкелетінін тудырады. «Мұржадан шыққан аз» деу «жақын жерде ауа таза» дегенді білдірмейді.
Модельдеу: эмиссиядан концентрацияға дейін
Түтін мұржасынан шығатын ластаушы заттардың концентрациясын жақын маңдағы ауданға жеткізуді есептеу дисперсиялық модельдеу мәселесі болып табылады. Бұл модельдер метеорологияны (жел бағыты/жылдамдығы, атмосфералық тұрақтылық) және топографияны пайдаланады. Классикалық модельдер (мысалы, Гаусс таралу моделі) физикаға негізделген; AI осы модельдерді жеделдету, нәтижені түсіндіру және үлкен өлшем деректер жиынынан үлгілерді алу үшін пайдаланылады, бірақ физиканы AI-ға «сәйкестендіру» қауіпті.
Болжам: ертеңгі ауа райын болжау
Жасанды интеллекттің ең күшті саласы болжау: тарихи өлшеу, метеорология және қозғалыс деректерін пайдалана отырып, ертең немесе бірнеше сағаттан кейін ластаушы заттардың деңгейін болжайтын модельдер құру. Бұл денсаулыққа қатысты ескертулер мен сақтық шаралары (мысалы, жол қозғалысын шектеу) үшін маңызды. Бірақ әрбір болжамда белгісіздік бар және ол дайындалған шарттардан (мысалы, күтпеген өрт) шыққан кезде модель қате болады.
Қадамдық: ауа сапасын талдау
1. Сұрақ пен параметрді таңдаңыз. Қандай ластаушы, қай жерде, қандай мерзімде?
2. Деректер көзін тексеріңіз. Анықтамалық станция немесе арзан сенсор ма? Калибр?
3. Алдын ала өңдеу. Жетіспейтін деректерді, сенсорлық дрейфті, шектен тыс көрсеткіштерді тазалаңыз.
4. AQI-ге түрлендіру және шекті мәнмен салыстыру. Заңды шектен асып кетті ме?
5. Үлгі/болжау. Тренд, маусымдық, болашақ проекция.
6. Белгісіздік туралы есеп беріңіз. Әрқашан сенімділік интервалдарымен және үлгі шектеулерімен бағалауды көрсетіңіз.
үш шағын іс
1-жағдай — Эмиссия-концентрацияның шатасуы. Бір мекеме стектің шығарындыларын 20%-ға азайтқанын, сондықтан «маңайдағы ауа 20%-ға таза» екенін жариялағысы келді. Маман сол кезде желдің бағыты өзгергенін және концентрацияға шын мәнінде метеорология әсер еткенін көрсетті; Шығарындыларды азайту нақты болды, бірақ концентрация туралы мәлімдеме дәлелсіз болды. Мәлімдеме «стек шығарындыларын 20%-ға азайттық» дегенмен шектелді; Дәлелдер жойылмаған әуе шағымы.
2-жағдай — Сенсорды калибрлеу. Мектеп арзан сенсоры бар «қауіпті PM2.5» ескертуін алды. Сарапшы сенсорды жақын жердегі анықтамалық станциямен салыстырған кезде, ол жоғары ылғалдылық кезінде мәннің үрленетінін анықтады; Ылғалдылықты түзетуден кейін мән «орташа» деңгейге дейін төмендеді. Калибрленбеген сенсор дүрбелең тудыруы мүмкін. (Бұл әрбір өлшеу аймағында сенсорды калибрлеу қаншалықты маңызды екенін тағы бір рет көрсетеді.)
3-жағдай — Болжаудың белгісіздігі. Муниципалитет келесі күні AI болжау үлгісімен «жоғары ластану» туралы ескертті, бірақ күтпеген құмды дауыл болжамды бұзды. Топ бұған дейін модель «жаттығудан тыс деректер оқиғалары үшін сенімсіз» деп хабарлады; сондықтан ескерту «мүмкін» деп ұсынылды және сенім жоғалған жоқ. Белгісіздікті анық ету болжауды жауапкершілікпен қолдану болып табылады.
Әлсіз шақыру / Күшті шақыру
Әлсіз шақыру:
Осы ауа райы деректерімен ертеңгі күнді болжаңыз.
Неліктен бұл әлсіз: Параметрлерге, орынға, деректер сапасына, үлгі түріне және белгісіздікке сұраныс жоқ. Шығару бір сан болады, оның сенімділігі белгісіз.
Күшті шақыру:
Сіздің рөліңіз: ауа сапасы туралы зерттеуші. Келесі PM2.5 сағаттық деректерімен және метеорологиямен (жел, ылғалдылық, температура) келесі 24 сағатқа Python тілінде қарапайым болжам үлгісін (мысалы, градиентті күшейту) орнатыңыз. Қадамдар: (1) деректерді тазалау және сенсордың дрейфін басқару, (2) мүмкіндіктерді дайындау, (3) модель, (4) сенімділік интервалымен болжамды береді. Модельдің шектеулерін нақты көрсетіңіз (білім беруден тыс жағдайларда сенімсіздік). Деректер: [мұнда]
Көшірілетін төрт үлгі
1) Ауа деректерін тазалау + AQI:
Python көмегімен ауа сапасының келесі өлшемдерін тазалаңыз (төмен түсіру, кептелу, дрейф, асып кету) және оларды стандартты AQI-ге түрлендіру. Қандай AQI формуласын қолданатыныңызды көрсетіңіз; сәйкестендіру. Заңды шектен асатын сағаттарды белгілеңіз. Деректер: [мұнда]
2) Эмиссия мен концентрация айырмашылығы:
Келесі мәлімдемені тексеріңіз: бұл шығарындылар (көзден) немесе концентрация (ауада өлшенген) туралы ма? Екеуін шатастыратын немесе метеорологияны елемейтін бөліктерді бөлектеңіз және дәлелдерге негізделген өлшенген қайта есептеуді ұсыныңыз. Шағым: [мұнда]
3) Болжау моделі (белгісіздікпен):
Сіздің рөліңіз: деректер ғалымы. Төмендегі уақыт қатарлары бар [ластаушы] үшін қысқа мерзімді болжам үлгісін (Python) құрастырыңыз. Әрбір болжамды сенімділік интервалымен беріңіз. Қандай жағдайларда (жаттығудан тыс оқиға, экстремалды ауа-райы) модель сенімсіз болатынын нақты жазыңыз. Тым оптимистік шындықты талап етеді FAKE.Data: [мұнда]
4) Ресурстық жарнаның қысқаша мазмұны:
Төмендегі ауа сапасы мен жел деректерінен ықтимал көз бағыты туралы түсінік беру үшін ластануы жоғары сағаттарда желдің қай бағытта келетінін талдаңыз. «Бұл дереккөз» деп тікелей айтпаңыз; Ықтималдылық пен тексеруді ұсыныңыз. Деректер: [мұнда]
Жалпы қателер
- Шығарынды концентрациямен шатастыру. Мұржаның азаюы ауадағы тазалықты білдірмейді.
- Калибрленбеген сенсорға сүйену. Ылғалдылық пен дрейф мәндерді арттырады.
- Бағалауды белгісіздіксіз ұсыну. Әрбір бағалау сенімділік интервалымен берілуі керек.
- Физиканы AI-мен сәйкестендіру. Бөлу моделі физиканы қажет етеді; LLM «болжамы» физика емес.
- Заңды шектерді еске түсіру. Заңнамадан шекті мәндерді алыңыз.
Абайлаңыз: ауа сапасы туралы шағымдар қоғамдық денсаулыққа қатысты. Жалған «таза» талап адамдарды тәуекелге ұшыратады; Негізсіз «лас» дабыл қажетсіз дүрбелең мен экономикалық залал тудырады. Әрбір шағымды калибрленген деректермен, сәйкес үлгімен және анық белгісіздікпен қолдаңыз.
Қысқаша айтқанда
Ауа сапасы; Ол эмиссияны концентрациядан бөлуді, калибрлеуді өлшеуді, сәйкес модельдеуді және белгісіздікпен ұсынылған болжауды талап етеді. AI; Ол деректерді тазалауда, үлгіні шығаруда және қысқа мерзімді болжауда күшті. Бірақ физикаға негізделген бөлу, сенсорды калибрлеу, заңды шектер және белгісіздік туралы шынайы есеп сарапшыға тиесілі. Мұржадағы нөмір көршінің ауасымен бірдей емес.
Қолданбалы тапсырма
Орынға арналған гипотетикалық сағат сайынғы PM2.5 және метеорологиялық деректерді дайындаңыз. 1-үлгі арқылы AI деректерді тазалап, оны AQI түріне түрлендіріңіз және шекті шектен асып кетуді белгілеңіз. Содан кейін 3-ші үлгімен қысқа мерзімді болжам үлгісін жасаңыз және әрбір болжамның сенімділік интервалымен келетініне көз жеткізіңіз. Соңында, 2-үлгі арқылы ауаның сапасы туралы шағымыңызды шығарындылар/концентрация бойынша аудиттен өткізіңіз.
бақылау парағы
- [ ] Мен эмиссия мен концентрация арасындағы айырмашылықты дұрыс жасадым.
- [ ] Мен сенсор деректерін калибрлеу және дрейф үшін тексердім.
- [ ] Мен AQI мен шекті мәндерді дұрыс формуладан/заңнамадан алдым.
- [ ] Мен сенімділік интервалы және модель шегі бар бағалауларды ұсындым.
- [ ] Менде таратуды/физиканы қажет ететін бөліктерді бейімдейтін AI болмады.
- [ ] Мен денсаулық сақтау туралы шағымдарды дәлелдермен қолдадым.