ವಾಯು ಗುಣಮಟ್ಟ ಮತ್ತು ಮಾಲಿನ್ಯ ಮಾನಿಟರಿಂಗ್: ಮಾಪನ, ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ಮುನ್ಸೂಚನೆ

ಲಾಭಗಳು:

• ಹೊರಸೂಸುವಿಕೆ (ಮೂಲದಿಂದ) ಮತ್ತು ಏಕಾಗ್ರತೆ (ಗಾಳಿಯಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ) ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸಿದ ಡೇಟಾವನ್ನು AQI ಗೆ ಪರಿವರ್ತಿಸಿ ಮತ್ತು ಮಿತಿಗಳೊಂದಿಗೆ ಹೋಲಿಸಿ
• ಅಲ್ಪಾವಧಿಯ ಮಾಲಿನ್ಯ ಮುನ್ಸೂಚನೆ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವ ಸಾಮರ್ಥ್ಯ ಮತ್ತು ಪ್ರತಿ ಭವಿಷ್ಯವನ್ನು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳು ಮತ್ತು ಮಾದರಿ ಮಿತಿಗಳೊಂದಿಗೆ ಪ್ರಾಮಾಣಿಕವಾಗಿ ಪ್ರಸ್ತುತಪಡಿಸುವ ಸಾಮರ್ಥ್ಯ
• ವಿತರಣೆ/ಭೌತಶಾಸ್ತ್ರದ ಅಗತ್ಯವಿರುವ ಭಾಗಗಳನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಅಳವಡಿಸಿಕೊಳ್ಳದೆಯೇ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಹಕ್ಕುಗಳನ್ನು ಸಾಕ್ಷ್ಯದೊಂದಿಗೆ ಬೆಂಬಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ವಾಯು ಮಾಲಿನ್ಯವು ಅಗೋಚರವಾಗಿರುತ್ತದೆ ಆದರೆ ಮಾರಣಾಂತಿಕವಾಗಿದೆ: ಇದು ಪ್ರತಿ ವರ್ಷ ಲಕ್ಷಾಂತರ ಅಕಾಲಿಕ ಮರಣಗಳನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ ಮತ್ತು ಹವಾಮಾನ ಬದಲಾವಣೆಯೊಂದಿಗೆ ಹೆಣೆದುಕೊಂಡಿದೆ. ಸಂಸ್ಥೆಗಳು ತಮ್ಮದೇ ಆದ ಸ್ಟಾಕ್ ಹೊರಸೂಸುವಿಕೆ ಮತ್ತು ಅವುಗಳ ಸುತ್ತಲಿನ ಗಾಳಿಯ ಗುಣಮಟ್ಟ ಎರಡಕ್ಕೂ ಜವಾಬ್ದಾರರಾಗಿರುತ್ತಾರೆ. ಈ ಘಟಕದಲ್ಲಿ, ನೀವು ಗಾಳಿಯ ಗುಣಮಟ್ಟದ ನಿಯತಾಂಕಗಳು, ಮಾಪನ ಮತ್ತು ಮಾಡೆಲಿಂಗ್ ವಿಧಾನಗಳು, AI ಯೊಂದಿಗೆ ಭವಿಷ್ಯ ಮತ್ತು ಈ ಎಲ್ಲದರ ಮಿತಿಗಳನ್ನು ಕಲಿಯುವಿರಿ.

ಮೊದಲು ಪರಿಕಲ್ಪನೆಗಳು. ಗಾಳಿಯ ಗುಣಮಟ್ಟವನ್ನು ಸಾಮಾನ್ಯವಾಗಿ ಹಲವಾರು ಪ್ರಮುಖ ಮಾಲಿನ್ಯಕಾರಕಗಳ ಮೇಲೆ ಅಳೆಯಲಾಗುತ್ತದೆ: PM2.5 ಮತ್ತು PM10 (2.5 ಮತ್ತು 10 ಮೈಕ್ರಾನ್‌ಗಳಿಗಿಂತ ಚಿಕ್ಕದಾದ ಕಣಗಳು - ಉಸಿರಾಡುವ ಧೂಳು), NO₂ (ನೈಟ್ರೋಜನ್ ಡೈಆಕ್ಸೈಡ್ - ದಹನದಿಂದ), SO₂ (ಸಲ್ಫರ್ ಡೈಆಕ್ಸೈಡ್), O₃ (ನೆಲಮಟ್ಟದ ಓಝೋನ್), ಮತ್ತು CO (ಇಂಗಾಲ). AQI (ವಾಯು ಗುಣಮಟ್ಟ ಸೂಚ್ಯಂಕ) ಎಂಬುದು ಈ ಮಾಲಿನ್ಯಕಾರಕಗಳನ್ನು ಒಂದೇ ಬಣ್ಣದ/ಸಂಖ್ಯೆಯ ಪ್ರಮಾಣಕ್ಕೆ (ಉತ್ತಮ-ಅಪಾಯಕಾರಿ) ಪರಿವರ್ತಿಸುವ ಸೂಚ್ಯಂಕವಾಗಿದೆ. ಹೊರಸೂಸುವಿಕೆಯು ಮೂಲದಿಂದ ಬಿಡುಗಡೆಯಾಗುವ ಪ್ರಮಾಣವಾಗಿದೆ, ಆದರೆ ಸಾಂದ್ರತೆಯು ಗಾಳಿಯಲ್ಲಿನ ಸಾಂದ್ರತೆಯಾಗಿದೆ; ಎರಡನ್ನೂ ಗೊಂದಲಗೊಳಿಸದಿರುವುದು ಬಹಳ ಮುಖ್ಯ.

ಸುಳಿವು: ಹೊರಸೂಸುವಿಕೆ (ಮೂಲದಿಂದ) ಮತ್ತು ಏಕಾಗ್ರತೆ (ಗಾಳಿಯಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ) ಎರಡು ವಿಭಿನ್ನ ವಿಷಯಗಳಾಗಿವೆ. ಗಾಳಿ, ತಾಪಮಾನ ಮತ್ತು ಸ್ಥಳಾಕೃತಿಯು ಒಂದೇ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ವಿಭಿನ್ನ ಸಾಂದ್ರತೆಗಳಲ್ಲಿ ಉಂಟುಮಾಡುತ್ತದೆ. "ಚಿಮಣಿಯಿಂದ ಹೊರಬರುವುದು ಕಡಿಮೆ" ಎಂದು ಹೇಳುವುದು "ಹತ್ತಿರದ ಗಾಳಿಯು ಶುದ್ಧವಾಗಿದೆ" ಎಂದು ಅರ್ಥವಲ್ಲ.

ಮಾಡೆಲಿಂಗ್: ಹೊರಸೂಸುವಿಕೆಯಿಂದ ಏಕಾಗ್ರತೆಗೆ

ಚಿಮಣಿಯಿಂದ ಹೊರಬರುವ ಮಾಲಿನ್ಯಕಾರಕಗಳ ಸಾಂದ್ರತೆಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡುವುದು ಹತ್ತಿರದ ನೆರೆಹೊರೆಯನ್ನು ತಲುಪುತ್ತದೆ ಪ್ರಸರಣ ಮಾದರಿಯ ವಿಷಯವಾಗಿದೆ. ಈ ಮಾದರಿಗಳು ಹವಾಮಾನಶಾಸ್ತ್ರ (ಗಾಳಿಯ ದಿಕ್ಕು/ವೇಗ, ವಾಯುಮಂಡಲದ ಸ್ಥಿರತೆ) ಮತ್ತು ಸ್ಥಳಾಕೃತಿಯನ್ನು ಬಳಸುತ್ತವೆ. ಶಾಸ್ತ್ರೀಯ ಮಾದರಿಗಳು (ಉದಾ. ಗಾಸಿಯನ್ ವಿತರಣಾ ಮಾದರಿ) ಭೌತಶಾಸ್ತ್ರ ಆಧಾರಿತವಾಗಿವೆ; ಈ ಮಾದರಿಗಳನ್ನು ವೇಗಗೊಳಿಸಲು, ಔಟ್‌ಪುಟ್ ಅನ್ನು ಅರ್ಥೈಸಲು ಮತ್ತು ದೊಡ್ಡ ಅಳತೆ ಡೇಟಾ ಸೆಟ್‌ಗಳಿಂದ ಮಾದರಿಗಳನ್ನು ಹೊರತೆಗೆಯಲು AI ಅನ್ನು ಬಳಸಲಾಗುತ್ತದೆ - ಆದರೆ ಭೌತಶಾಸ್ತ್ರವನ್ನು AI ಗೆ ಹೊಂದಿಕೊಳ್ಳುವಂತೆ ಮಾಡುವುದು ಅಪಾಯಕಾರಿ.

ಮುನ್ಸೂಚನೆ: ನಾಳೆಯ ಹವಾಮಾನವನ್ನು ಊಹಿಸುವುದು

AI ಯ ಪ್ರಬಲ ಕ್ಷೇತ್ರವು ಮುನ್ಸೂಚನೆಯಾಗಿದೆ: ಐತಿಹಾಸಿಕ ಮಾಪನ, ಹವಾಮಾನಶಾಸ್ತ್ರ ಮತ್ತು ಸಂಚಾರ ಡೇಟಾವನ್ನು ಬಳಸಿಕೊಂಡು ನಾಳೆ ಅಥವಾ ಕೆಲವು ಗಂಟೆಗಳ ನಂತರ ಮಾಲಿನ್ಯದ ಮಟ್ಟವನ್ನು ಊಹಿಸುವ ಮಾದರಿಗಳನ್ನು ನಿರ್ಮಿಸುವುದು. ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಎಚ್ಚರಿಕೆಗಳು ಮತ್ತು ಮುನ್ನೆಚ್ಚರಿಕೆಗೆ ಇದು ಮೌಲ್ಯಯುತವಾಗಿದೆ (ಉದಾ. ಸಂಚಾರ ನಿರ್ಬಂಧ). ಆದರೆ ಪ್ರತಿ ಭವಿಷ್ಯವು ಅನಿಶ್ಚಿತತೆಯನ್ನು ಹೊಂದಿದೆ ಮತ್ತು ಅದು ತರಬೇತಿ ಪಡೆದ ಪರಿಸ್ಥಿತಿಗಳ ಹೊರಗೆ ಬಿದ್ದಾಗ ಮಾದರಿಯು ತಪ್ಪಾಗುತ್ತದೆ (ಉದಾಹರಣೆಗೆ, ಅನಿರೀಕ್ಷಿತ ಬೆಂಕಿ).

ಹಂತ ಹಂತವಾಗಿ: ಗಾಳಿಯ ಗುಣಮಟ್ಟದ ವಿಶ್ಲೇಷಣೆ

1. ಪ್ರಶ್ನೆ ಮತ್ತು ನಿಯತಾಂಕವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಯಾವ ಮಾಲಿನ್ಯಕಾರಕ, ಯಾವ ಸ್ಥಳ, ಯಾವ ಅವಧಿಗೆ?

2. ಡೇಟಾ ಮೂಲವನ್ನು ಪರಿಶೀಲಿಸಿ. ಉಲ್ಲೇಖ ಕೇಂದ್ರ ಅಥವಾ ಕಡಿಮೆ ವೆಚ್ಚದ ಸಂವೇದಕ? ಕ್ಯಾಲಿಬರ್?

3. ಪೂರ್ವ ಪ್ರಕ್ರಿಯೆ. ಕಾಣೆಯಾದ ಡೇಟಾ, ಸಂವೇದಕ ಡ್ರಿಫ್ಟ್, ವಿಪರೀತ ಔಟ್ಲೈಯರ್ಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ.

4. AQI ಗೆ ಪರಿವರ್ತಿಸಿ ಮತ್ತು ಮಿತಿಯೊಂದಿಗೆ ಹೋಲಿಕೆ ಮಾಡಿ. ಕಾನೂನು ಮಿತಿ ಮೀರಿದೆಯೇ?

5. ಮಾದರಿ / ಭವಿಷ್ಯ. ಪ್ರವೃತ್ತಿ, ಋತುಮಾನ, ಭವಿಷ್ಯದ ಪ್ರಕ್ಷೇಪಣ.

6. ಅನಿಶ್ಚಿತತೆಯನ್ನು ವರದಿ ಮಾಡಿ. ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರಗಳು ಮತ್ತು ಮಾದರಿ ಮಿತಿಗಳೊಂದಿಗೆ ಯಾವಾಗಲೂ ಅಂದಾಜುಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿ.

ಮೂರು ಸಣ್ಣ ಪ್ರಕರಣಗಳು

ಪ್ರಕರಣ 1 - ಹೊರಸೂಸುವಿಕೆ-ಸಾಂದ್ರತೆಯ ಗೊಂದಲ. ಒಂದು ಸೌಲಭ್ಯವು ತನ್ನ ಸ್ಟಾಕ್ ಹೊರಸೂಸುವಿಕೆಯನ್ನು 20% ರಷ್ಟು ಕಡಿಮೆ ಮಾಡಿದೆ ಮತ್ತು ಆದ್ದರಿಂದ "ನೆರೆಹೊರೆಯ ಗಾಳಿಯು 20% ಸ್ವಚ್ಛವಾಗಿದೆ" ಎಂದು ಘೋಷಿಸಲು ಬಯಸಿತು. ಆ ಸಮಯದಲ್ಲಿ ಗಾಳಿಯ ದಿಕ್ಕು ಬದಲಾಗಿದೆ ಎಂದು ತಜ್ಞರು ತೋರಿಸಿದರು ಮತ್ತು ಕೇಂದ್ರೀಕರಣವು ವಾಸ್ತವವಾಗಿ ಹವಾಮಾನದಿಂದ ಪ್ರಭಾವಿತವಾಗಿದೆ; ಹೊರಸೂಸುವಿಕೆ ಕಡಿತವು ನಿಜವಾಗಿತ್ತು, ಆದರೆ ಏಕಾಗ್ರತೆಯ ಹಕ್ಕು ಆಧಾರರಹಿತವಾಗಿತ್ತು. ಹೇಳಿಕೆಯು "ನಾವು ಸ್ಟಾಕ್ ಹೊರಸೂಸುವಿಕೆಯನ್ನು 20% ರಷ್ಟು ಕಡಿಮೆಗೊಳಿಸಿದ್ದೇವೆ" ಎಂದು ಸೀಮಿತಗೊಳಿಸಲಾಗಿದೆ; ಸಾಕ್ಷ್ಯವಿಲ್ಲದೆ ಏರ್ ಕ್ಲೈಮ್ ತೆಗೆದುಹಾಕಲಾಗಿದೆ.

ಪ್ರಕರಣ 2 - ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯ. ಕಡಿಮೆ-ವೆಚ್ಚದ ಸಂವೇದಕದೊಂದಿಗೆ ಶಾಲೆಯು "ಅಪಾಯಕಾರಿ PM2.5" ಎಚ್ಚರಿಕೆಯನ್ನು ಸ್ವೀಕರಿಸಿದೆ. ತಜ್ಞರು ಸಂವೇದಕವನ್ನು ಹತ್ತಿರದ ಉಲ್ಲೇಖ ಕೇಂದ್ರಕ್ಕೆ ಹೋಲಿಸಿದಾಗ, ಹೆಚ್ಚಿನ ಆರ್ದ್ರತೆಯಲ್ಲಿ ಮೌಲ್ಯವನ್ನು ಹೆಚ್ಚಿಸಲಾಗಿದೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು; ಆರ್ದ್ರತೆಯ ತಿದ್ದುಪಡಿಯ ನಂತರ, ಮೌಲ್ಯವು "ಮಧ್ಯಮ" ಮಟ್ಟಕ್ಕೆ ಕಡಿಮೆಯಾಗಿದೆ. ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸದ ಸಂವೇದಕವು ಪ್ಯಾನಿಕ್ಗೆ ಕಾರಣವಾಗಬಹುದು. (ಪ್ರತಿ ಮಾಪನ ಪ್ರದೇಶದಲ್ಲಿ ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯವು ಎಷ್ಟು ನಿರ್ಣಾಯಕವಾಗಿದೆ ಎಂಬುದನ್ನು ಇದು ಮತ್ತೊಮ್ಮೆ ತೋರಿಸುತ್ತದೆ.)

ಪ್ರಕರಣ 3 - ಮುನ್ಸೂಚನೆ ಅನಿಶ್ಚಿತತೆ. ಮುನ್ಸಿಪಾಲಿಟಿಯು ತನ್ನ AI ಮುನ್ಸೂಚನೆಯ ಮಾದರಿಯೊಂದಿಗೆ ಮರುದಿನ "ಹೆಚ್ಚಿನ ಮಾಲಿನ್ಯ" ದ ಬಗ್ಗೆ ಎಚ್ಚರಿಕೆ ನೀಡಿತು, ಆದರೆ ಅನಿರೀಕ್ಷಿತ ಮರಳಿನ ಬಿರುಗಾಳಿಯು ಮುನ್ಸೂಚನೆಯನ್ನು ವಿಫಲಗೊಳಿಸಿತು. ಮಾದರಿಯು "ತರಬೇತಿ-ಅಲ್ಲದ ಡೇಟಾ ಘಟನೆಗಳಿಗೆ ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ" ಎಂದು ತಂಡವು ಹಿಂದೆ ವರದಿ ಮಾಡಿದೆ; ಆದ್ದರಿಂದ ಎಚ್ಚರಿಕೆಯನ್ನು "ಸಾಧ್ಯ" ಎಂದು ಪ್ರಸ್ತುತಪಡಿಸಲಾಯಿತು ಮತ್ತು ಯಾವುದೇ ಆತ್ಮವಿಶ್ವಾಸದ ನಷ್ಟವಿಲ್ಲ. ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸುವುದು ಮುನ್ಸೂಚನೆಯ ಜವಾಬ್ದಾರಿಯುತ ಬಳಕೆಯಾಗಿದೆ.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಹವಾಮಾನ ಡೇಟಾದೊಂದಿಗೆ ನಾಳೆಯನ್ನು ಊಹಿಸಿ.

ಇದು ಏಕೆ ದುರ್ಬಲವಾಗಿದೆ: ನಿಯತಾಂಕಗಳು, ಸ್ಥಳ, ಡೇಟಾ ಗುಣಮಟ್ಟ, ಮಾದರಿ ಪ್ರಕಾರ ಮತ್ತು ಅನಿಶ್ಚಿತತೆಗೆ ಬೇಡಿಕೆಯಿಲ್ಲ. ಔಟ್ಪುಟ್ ಒಂದೇ ಸಂಖ್ಯೆಯಾಗಿರುತ್ತದೆ, ಅದರ ವಿಶ್ವಾಸಾರ್ಹತೆ ತಿಳಿದಿಲ್ಲ.

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ನಿಮ್ಮ ಪಾತ್ರ: ವಾಯು ಗುಣಮಟ್ಟದ ಡೇಟಾ ವಿಜ್ಞಾನಿ. ಕೆಳಗಿನ PM2.5 ಗಂಟೆಯ ಡೇಟಾ ಮತ್ತು ಹವಾಮಾನಶಾಸ್ತ್ರದೊಂದಿಗೆ (ಗಾಳಿ, ಆರ್ದ್ರತೆ, ತಾಪಮಾನ), ಮುಂದಿನ 24 ಗಂಟೆಗಳ ಕಾಲ ಪೈಥಾನ್‌ನಲ್ಲಿ ಸರಳ ಮುನ್ಸೂಚನೆಯ ಮಾದರಿಯನ್ನು (ಉದಾ. ಗ್ರೇಡಿಯಂಟ್ ಬೂಸ್ಟಿಂಗ್) ಹೊಂದಿಸಿ. ಹಂತಗಳು: (1) ಡೇಟಾ ಶುಚಿಗೊಳಿಸುವಿಕೆ ಮತ್ತು ಸಂವೇದಕ ಡ್ರಿಫ್ಟ್ ನಿಯಂತ್ರಣ, (2) ವೈಶಿಷ್ಟ್ಯದ ತಯಾರಿ, (3) ಮಾದರಿ, (4) ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರದೊಂದಿಗೆ ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು ನೀಡಿ. ಮಾದರಿಯ ಮಿತಿಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ತಿಳಿಸಿ (ಶೈಕ್ಷಣಿಕವಲ್ಲದ ಸಂದರ್ಭಗಳಲ್ಲಿ ವಿಶ್ವಾಸಾರ್ಹತೆ). ಡೇಟಾ: [ಇಲ್ಲಿ]

ನಾಲ್ಕು ನಕಲಿಸಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಏರ್ ಡೇಟಾ ಕ್ಲೀನಿಂಗ್ + AQI:

ಪೈಥಾನ್‌ನೊಂದಿಗೆ ಕೆಳಗಿನ ಗಾಳಿಯ ಗುಣಮಟ್ಟದ ಮಾಪನಗಳನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ (ಅಂಡರ್‌ಶೂಟ್, ಸ್ಟಕ್, ಡ್ರಿಫ್ಟ್, ಓವರ್‌ಶೂಟ್) ಮತ್ತು ಅವುಗಳನ್ನು ಪ್ರಮಾಣಿತ AQI ಗೆ ಪರಿವರ್ತಿಸಿ. ನೀವು ಯಾವ AQI ಸೂತ್ರವನ್ನು ಬಳಸುತ್ತೀರಿ ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ; ಅಳವಡಿಸುವ. ಕಾನೂನು ಮಿತಿಯನ್ನು ಮೀರಿದ ಸಮಯವನ್ನು ಗುರುತಿಸಿ. ಡೇಟಾ: [ಇಲ್ಲಿ]

2) ಹೊರಸೂಸುವಿಕೆ ವಿರುದ್ಧ ಏಕಾಗ್ರತೆಯ ವ್ಯತ್ಯಾಸ:

ಕೆಳಗಿನ ಹಕ್ಕನ್ನು ಪರಿಶೀಲಿಸಿ: ಇದು ಹೊರಸೂಸುವಿಕೆ (ಮೂಲದಿಂದ) ಅಥವಾ ಏಕಾಗ್ರತೆ (ಗಾಳಿಯಲ್ಲಿ ಅಳೆಯಲಾಗಿದೆ) ಬಗ್ಗೆ? ಎರಡನ್ನೂ ಗೊಂದಲಕ್ಕೀಡುಮಾಡುವ ಅಥವಾ ಹವಾಮಾನಶಾಸ್ತ್ರವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವ ಭಾಗಗಳನ್ನು ಹೈಲೈಟ್ ಮಾಡಿ ಮತ್ತು ಪುರಾವೆಗಳ ಆಧಾರದ ಮೇಲೆ ಅಳತೆ ಮಾಡಿದ ಮರುಹೊಂದಿಕೆಯನ್ನು ಸೂಚಿಸಿ. ಹಕ್ಕು: [ಇಲ್ಲಿ]

3) ಭವಿಷ್ಯ ಮಾದರಿ (ಅನಿಶ್ಚಿತತೆಯೊಂದಿಗೆ):

ನಿಮ್ಮ ಪಾತ್ರ: ಡೇಟಾ ವಿಜ್ಞಾನಿ. ಕೆಳಗಿನ ಸಮಯ ಸರಣಿಯೊಂದಿಗೆ [ಮಾಲಿನ್ಯಕಾರಕ] ಗಾಗಿ ಅಲ್ಪಾವಧಿಯ ಮುನ್ಸೂಚನೆಯ ಮಾದರಿಯನ್ನು (ಪೈಥಾನ್) ನಿರ್ಮಿಸಿ. ಪ್ರತಿ ಭವಿಷ್ಯವನ್ನು ಅದರ ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರದೊಂದಿಗೆ ನೀಡಿ. ಯಾವ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ (ತರಬೇತಿ ಅಲ್ಲದ ಘಟನೆ, ವಿಪರೀತ ಹವಾಮಾನ) ಮಾದರಿಯು ವಿಶ್ವಾಸಾರ್ಹವಲ್ಲ ಎಂದು ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯಿರಿ. ಅತಿಯಾದ ಆಶಾವಾದಿ ಸತ್ಯದ ಹಕ್ಕು FAKE.ಡೇಟಾ: [ಇಲ್ಲಿ]

4) ಸಂಪನ್ಮೂಲ ಕೊಡುಗೆ ಸಾರಾಂಶ:

ಕೆಳಗಿನ ಗಾಳಿಯ ಗುಣಮಟ್ಟ ಮತ್ತು ಗಾಳಿಯ ಡೇಟಾದಿಂದ, ಸಂಭವನೀಯ ಮೂಲದ ದಿಕ್ಕಿನ ಬಗ್ಗೆ ಸುಳಿವು ನೀಡಲು ಹೆಚ್ಚಿನ ಮಾಲಿನ್ಯದ ಸಮಯದಲ್ಲಿ ಗಾಳಿಯು ಯಾವ ದಿಕ್ಕಿನಿಂದ ಬರುತ್ತಿದೆ ಎಂಬುದನ್ನು ವಿಶ್ಲೇಷಿಸಿ. "ಇದು ಮೂಲ" ಎಂದು ನೇರವಾಗಿ ಹೇಳಬೇಡಿ; ಆಫರ್ ಸಂಭವನೀಯತೆ ಮತ್ತು ಪರಿಶೀಲನೆ. ಡೇಟಾ: [ಇಲ್ಲಿ]

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

• ಏಕಾಗ್ರತೆಯೊಂದಿಗೆ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಗೊಂದಲಗೊಳಿಸುವುದು. ಚಿಮಣಿಯಲ್ಲಿನ ಇಳಿಕೆಯು ಗಾಳಿಯಲ್ಲಿ ಸ್ವಚ್ಛತೆ ಎಂದರ್ಥವಲ್ಲ.
• ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸದ ಸಂವೇದಕವನ್ನು ಅವಲಂಬಿಸಿದೆ. ಆರ್ದ್ರತೆ ಮತ್ತು ಡ್ರಿಫ್ಟ್ ಮೌಲ್ಯಗಳನ್ನು ಹೆಚ್ಚಿಸುತ್ತವೆ.
• ಅಂದಾಜನ್ನು ಅನಿಶ್ಚಿತತೆ ಇಲ್ಲದೆ ಪ್ರಸ್ತುತಪಡಿಸುವುದು. ಪ್ರತಿ ಅಂದಾಜನ್ನು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರದೊಂದಿಗೆ ನೀಡಬೇಕು.
• AI ಜೊತೆಗೆ ಭೌತಶಾಸ್ತ್ರವನ್ನು ಸರಿಹೊಂದಿಸುವುದು. ವಿತರಣಾ ಮಾದರಿಗೆ ಭೌತಶಾಸ್ತ್ರದ ಅಗತ್ಯವಿದೆ; LLM ನ "ಭವಿಷ್ಯ" ಭೌತಶಾಸ್ತ್ರವಲ್ಲ.
• ಕಾನೂನು ಮಿತಿಗಳನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳುವುದು. ಶಾಸನದಿಂದ ಮಿತಿ ಮೌಲ್ಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ.

ಎಚ್ಚರಿಕೆ: ಗಾಳಿಯ ಗುಣಮಟ್ಟದ ಹಕ್ಕುಗಳು ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯಕ್ಕೆ ಸಂಬಂಧಿಸಿವೆ. ತಪ್ಪು "ಸ್ವಚ್ಛ" ಹಕ್ಕು ಜನರನ್ನು ಅಪಾಯಕ್ಕೆ ತಳ್ಳುತ್ತದೆ; ಆಧಾರರಹಿತವಾದ "ಕೊಳಕು" ಎಚ್ಚರಿಕೆಯು ಅನಗತ್ಯ ಪ್ಯಾನಿಕ್ ಮತ್ತು ಆರ್ಥಿಕ ಹಾನಿಯನ್ನು ಉಂಟುಮಾಡುತ್ತದೆ. ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸಿದ ಡೇಟಾ, ಸೂಕ್ತವಾದ ಮಾದರಿ ಮತ್ತು ಸ್ಪಷ್ಟ ಅನಿಶ್ಚಿತತೆಯೊಂದಿಗೆ ಪ್ರತಿ ಕ್ಲೈಮ್ ಅನ್ನು ಬೆಂಬಲಿಸಿ.

ಸಾರಾಂಶದಲ್ಲಿ

ಗಾಳಿಯ ಗುಣಮಟ್ಟ; ಇದು ಏಕಾಗ್ರತೆಯಿಂದ ಹೊರಸೂಸುವಿಕೆಯನ್ನು ಬೇರ್ಪಡಿಸುವ ಅಗತ್ಯವಿದೆ, ಮಾಪನ ಮಾಪನ, ಸೂಕ್ತವಾದ ಮಾದರಿ ಮತ್ತು ಅನಿಶ್ಚಿತತೆಯೊಂದಿಗೆ ಪ್ರಸ್ತುತಪಡಿಸಿದ ಭವಿಷ್ಯ. AI; ಡೇಟಾ ಕ್ಲೀನಿಂಗ್, ಪ್ಯಾಟರ್ನ್ ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ಅಲ್ಪಾವಧಿಯ ಮುನ್ಸೂಚನೆಯಲ್ಲಿ ಇದು ಶಕ್ತಿಯುತವಾಗಿದೆ. ಆದರೆ ಭೌತಶಾಸ್ತ್ರ-ಆಧಾರಿತ ವಿತರಣೆ, ಸಂವೇದಕ ಮಾಪನಾಂಕ ನಿರ್ಣಯ, ಕಾನೂನು ಮಿತಿಗಳು ಮತ್ತು ಅನಿಶ್ಚಿತತೆಯ ಪ್ರಾಮಾಣಿಕ ವರದಿಗಳು ತಜ್ಞರಿಗೆ ಸೇರಿವೆ. ಚಿಮಣಿಯ ಮೇಲಿನ ಸಂಖ್ಯೆಯು ನೆರೆಹೊರೆಯ ಗಾಳಿಯಂತೆಯೇ ಇರುವುದಿಲ್ಲ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಸ್ಥಳಕ್ಕಾಗಿ ಕಾಲ್ಪನಿಕ ಗಂಟೆಯ PM2.5 ಮತ್ತು ಹವಾಮಾನ ಡೇಟಾವನ್ನು ತಯಾರಿಸಿ. 1 ನೇ ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ, AI ಡೇಟಾವನ್ನು ಸ್ವಚ್ಛಗೊಳಿಸಿ, ಅದನ್ನು AQI ಗೆ ಪರಿವರ್ತಿಸಿ ಮತ್ತು ಮಿತಿ ಮೀರುವಿಕೆಗಳನ್ನು ಗುರುತಿಸಿ. ನಂತರ 3 ನೇ ಟೆಂಪ್ಲೇಟ್‌ನೊಂದಿಗೆ ಅಲ್ಪಾವಧಿಯ ಮುನ್ಸೂಚನೆ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಿ ಮತ್ತು ಪ್ರತಿ ಮುನ್ಸೂಚನೆಯು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರದೊಂದಿಗೆ ಬರುತ್ತದೆ ಎಂದು ಖಚಿತಪಡಿಸಿಕೊಳ್ಳಿ. ಅಂತಿಮವಾಗಿ, ಟೆಂಪ್ಲೇಟ್ 2 ನೊಂದಿಗೆ ಹೊರಸೂಸುವಿಕೆ/ಸಾಂದ್ರೀಕರಣಕ್ಕಾಗಿ ನಿಮ್ಮ ಗಾಳಿಯ ಗುಣಮಟ್ಟದ ಕ್ಲೈಮ್ ಅನ್ನು ಆಡಿಟ್ ಮಾಡಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

• [ ] ನಾನು ಹೊರಸೂಸುವಿಕೆ ಮತ್ತು ಏಕಾಗ್ರತೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಸರಿಯಾಗಿ ಮಾಡಿದ್ದೇನೆ.
• [ ] ನಾನು ಮಾಪನಾಂಕ ನಿರ್ಣಯ ಮತ್ತು ಡ್ರಿಫ್ಟ್‌ಗಾಗಿ ಸಂವೇದಕ ಡೇಟಾವನ್ನು ಪರಿಶೀಲಿಸಿದ್ದೇನೆ.
• [ ] ನಾನು AQI ಮತ್ತು ಥ್ರೆಶೋಲ್ಡ್‌ಗಳನ್ನು ಸರಿಯಾದ ಸೂತ್ರ/ಕಾನೂನುಗಳಿಂದ ಪಡೆದುಕೊಂಡಿದ್ದೇನೆ.
• [ ] ನಾನು ವಿಶ್ವಾಸಾರ್ಹ ಮಧ್ಯಂತರ ಮತ್ತು ಮಾದರಿ ಮಿತಿಯೊಂದಿಗೆ ಅಂದಾಜುಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸಿದೆ.
• ವಿತರಣೆ/ಭೌತಶಾಸ್ತ್ರದ ಅಗತ್ಯವಿರುವ ಭಾಗಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವ AI ನನ್ನ ಬಳಿ ಇರಲಿಲ್ಲ.
• [ ] ನಾನು ಪುರಾವೆಗಳೊಂದಿಗೆ ಸಾರ್ವಜನಿಕ ಆರೋಗ್ಯ ಹಕ್ಕುಗಳನ್ನು ಬೆಂಬಲಿಸಿದೆ.