이득:
- 배출(원으로부터의)과 농도(공기에서 측정)를 구별하고 보정된 데이터를 AQI로 변환하여 임계값과 비교하는 기능
- 단기 오염 예측 모델을 구축하고 신뢰 구간 및 모델 한계를 사용하여 각 예측을 정직하게 제시하는 능력
- 분포/물리학이 필요한 부분을 인공지능이 적용하지 않고도 증거로 공중 보건 주장을 뒷받침할 수 있는 능력
대기 오염은 눈에 보이지 않지만 치명적입니다. 대기 오염은 매년 수백만 명의 조기 사망을 초래하고 기후 변화와 얽혀 있습니다. 기관은 자체 굴뚝 배출과 주변 공기 질에 대한 책임이 있습니다. 이 단원에서는 공기 질 매개변수, 측정 및 모델링 방법, AI를 통한 예측 및 이 모든 것의 한계를 배우게 됩니다.
먼저 개념. 공기 질은 일반적으로 PM2.5 및 PM10(2.5 및 10 마이크론보다 작은 입자상 물질 - 호흡 가능한 먼지), NO2(이산화질소 - 연소로 인해 발생), SO2(이산화황), O₃(지상 오존) 및 CO(일산화탄소)와 같은 여러 주요 오염물질에 대해 측정됩니다. AQI(대기질 지수)는 이러한 오염 물질을 대중이 이해할 수 있는 단일 색상/숫자 척도(좋음-위험함)로 변환하는 지수입니다. 방출은 소스에서 방출되는 양이고 농도는 공기 중 농도입니다. 이 둘을 혼동하지 않는 것이 중요합니다.
힌트: 방출(소스로부터의)과 농도(공기 중에서 측정)는 서로 다른 두 가지입니다. 바람, 온도, 지형에 따라 동일한 방출이 발생하더라도 농도가 매우 달라집니다. "굴뚝에서 나오는 것이 적다"고 해서 "주변 공기가 깨끗하다"는 뜻은 아니다.
모델링: 방출에서 농도까지
굴뚝에서 나오는 오염물질이 인근 지역에 도달할 농도를 계산하는 것은 분산 모델링의 문제입니다. 이 모델은 기상학(풍향/풍속, 대기 안정성)과 지형을 사용합니다. 고전 모델(예: 가우스 분포 모델)은 물리학을 기반으로 합니다. AI는 이러한 모델을 가속화하고, 출력을 해석하고, 대규모 측정 데이터 세트에서 패턴을 추출하는 데 사용됩니다. 그러나 물리학을 AI에 "만드는" 것은 위험합니다.
예보 : 내일의 날씨를 예측하는 것
AI의 가장 강력한 분야는 예측입니다. 과거 측정, 기상 및 교통 데이터를 사용하여 내일 또는 몇 시간 후에 오염 물질 수준을 예측하는 모델을 구축하는 것입니다. 이는 공중 보건 경고 및 예방 조치(예: 교통 제한)에 유용합니다. 그러나 모든 예측에는 불확실성이 있으며, 훈련된 조건(예: 예상치 못한 화재)을 벗어나면 모델이 틀릴 것입니다.
단계별: 공기질 분석
1. 질문과 매개변수를 선택합니다. 어느 오염물질, 어느 위치, 어느 기간 동안?
2. 데이터 소스를 확인합니다. 기준국인가 아니면 저가형 센서인가? 구경?
3. 전처리. 누락된 데이터, 센서 드리프트, 극단적인 이상값을 정리합니다.
4. AQI로 변환하고 임계값과 비교합니다. 법적 한도를 초과했나요?
5. 모델/예측. 추세, 계절성, 미래 예측.
6. 불확실성을 보고합니다. 항상 신뢰구간과 모델 한계를 포함한 추정치를 제시하세요.
세 개의 미니 케이스
사례 1 — 배출 농도 혼란. 한 시설에서는 굴뚝 배출물을 20% 줄였으므로 "주변 공기가 20% 더 깨끗해졌다"고 발표하고 싶었습니다. 전문가는 당시 풍향이 바뀌었고 농도는 실제로 기상의 영향을 받았다는 것을 보여주었습니다. 배출 감소는 실제로 있었지만 농도 주장은 입증되지 않았습니다. 성명은 "우리는 스택 방출을 20% 줄였습니다"로 제한되었습니다. 증거가 제거되지 않은 항공 주장.
사례 2 - 센서 교정. 한 학교는 저가형 센서로 '위험한 PM2.5' 경보를 받았습니다. 전문가가 센서를 인근 기준국과 비교했을 때 습도가 높을 때 값이 부풀려지는 것을 발견했습니다. 습도 보정 후 값이 "중간" 수준으로 감소했습니다. 보정되지 않은 센서로 인해 패닉이 발생할 수 있습니다. (이는 모든 측정 영역에서 센서 교정이 얼마나 중요한지 다시 한 번 보여줍니다.)
사례 3 - 예측 불확실성. 한 지방자치단체는 다음날 AI 예측 모델을 통해 '심한 오염'을 경고했지만 예상치 못한 모래폭풍으로 인해 예측이 무산됐다. 팀은 이전에 모델이 "비훈련 데이터 이벤트에 대해 신뢰할 수 없다"고 보고했습니다. 따라서 경고는 "가능한" 것으로 제시되었으며 자신감을 잃지 않았습니다. 불확실성을 명확히 하는 것은 예측을 책임감 있게 사용하는 것입니다.
약한 프롬프트 / 강한 프롬프트
약한 프롬프트:
이 날씨 데이터로 내일을 예측해 보세요.
약한 이유: 매개변수, 위치, 데이터 품질, 모델 유형 및 불확실성에 대한 요구가 없습니다. 출력은 단일 숫자이며 신뢰성은 알 수 없습니다.
강력한 프롬프트:
귀하의 역할: 대기질 데이터 과학자. 다음 PM2.5 시간별 데이터 및 기상(바람, 습도, 온도)을 사용하여 Python에서 향후 24시간 동안 간단한 예측 모델(예: 그래디언트 부스팅)을 설정합니다. 단계: (1) 데이터 정리 및 센서 드리프트 제어, (2) 특징 준비, (3) 모델, (4) 신뢰 구간을 사용하여 예측 제공. 모델의 한계(비교육 상황에서의 비신뢰성)를 명확하게 설명합니다. 데이터: [여기]
복사 가능한 템플릿 4개
1) 공기 데이터 정화 + AQI:
Python을 사용하여 다음 대기 질 측정값(미달, 정체, 드리프트, 오버슈트)을 정리하고 이를 표준 AQI로 변환합니다. 사용하는 AQI 공식을 지정하십시오. 입어 보기. 법적 기준을 초과하는 시간을 표시합니다. 데이터: [여기]
2) 배출 vs 농도 구별:
다음 주장을 확인하십시오. 배출(소스로부터의) 또는 농도(공기에서 측정)에 관한 것입니까? 둘을 혼동하거나 기상학을 무시하는 부분을 강조하고 증거에 기초하여 측정된 재기술을 제안합니다. 주장: [여기]
3) 예측 모델(불확실성 포함):
귀하의 역할: 데이터 과학자. 다음 시계열을 사용하여 [오염 물질]에 대한 단기 예측 모델(Python)을 구축합니다. 각 예측에 신뢰 구간을 제공합니다. 훈련이 아닌 상황, 극단적인 날씨 등 어떤 조건에서 모델을 신뢰할 수 없는지 명확하게 기록하십시오. 지나치게 낙관적인 진실 주장 FAKE.Data: [여기]
4) 자원 기여 요약:
아래의 대기 질 및 바람 데이터를 통해 오염도가 높은 시간 동안 바람이 어느 방향에서 오는지 분석하여 가능한 소스 방향에 대한 단서를 제공합니다. "이것이 출처입니다"라고 솔직하게 말하지 마십시오. 확률과 검증을 제공합니다. 데이터: [여기]
일반적인 실수
- 방출과 농도를 혼동합니다. 굴뚝이 줄어든다고 해서 공기가 깨끗하다는 뜻은 아닙니다.
- 보정되지 않은 센서에 의존합니다. 습도와 드리프트로 인해 값이 부풀려집니다.
- 불확실성 없이 추정치를 제시합니다. 모든 추정치는 신뢰구간과 함께 제공되어야 합니다.
- 물리학을 AI에 적합하게 만듭니다. 분포 모델에는 물리학이 필요합니다. LLM의 "예측"은 물리학이 아닙니다.
- 법적 기준점을 기억합니다. 법률에서 한계 값을 가져옵니다.
주의: 대기 질 관련 주장은 공중 보건과 관련이 있습니다. 거짓된 "깨끗한" 주장은 사람들을 위험에 빠뜨립니다. 근거 없는 "더러운" 경보는 불필요한 패닉과 경제적 피해를 초래합니다. 보정된 데이터, 적절한 모델, 명확한 불확실성으로 각 주장을 뒷받침하세요.
요약하면
공기질; 이를 위해서는 배출물을 농도에서 분리하고, 측정값을 교정하고, 불확실성이 있는 적절한 모델링 및 예측이 필요합니다. 일체 포함; 데이터 정리, 패턴 추출 및 단기 예측에 강력합니다. 그러나 물리학 기반 분포, 센서 교정, 법적 임계값 및 불확실성에 대한 정직한 보고는 전문가의 몫입니다. 굴뚝의 숫자는 동네 공기와 같지 않습니다.
응용과제
특정 위치에 대한 가상의 시간별 PM2.5 및 기상 데이터를 준비합니다. 첫 번째 템플릿을 사용하면 AI가 데이터를 정리하고 이를 AQI로 변환하고 임계값 초과를 표시하도록 합니다. 그런 다음 세 번째 템플릿을 사용하여 단기 예측 모델을 구축하고 각 예측에 신뢰 구간이 포함되어 있는지 확인하세요. 마지막으로, 템플릿 2를 사용하여 배출/농도에 대한 공기 품질 주장 감사를 받으십시오.
체크리스트
- [ ] 방출과 농도를 정확하게 구분했습니다.
- [ ] 캘리브레이션 및 드리프트에 대한 센서 데이터를 확인했습니다.
- [ ] 올바른 공식/법규를 통해 AQI와 임계값을 얻었습니다.
- [ ] 신뢰구간과 모델한계를 포함한 추정치를 제시했습니다.
- [ ] 분포/물리학이 필요한 부분을 AI에 적응시키지 못했습니다.
- [ ] 나는 증거를 가지고 공중 보건 주장을 지지했습니다.