Pelnas:
- Gebėjimas atskirti emisijas (iš šaltinio) ir koncentraciją (matuojama ore) ir konvertuoti kalibruotus duomenis į AQI ir palyginti juos su slenksčiais
- Gebėjimas sukurti trumpalaikį taršos prognozavimo modelį ir sąžiningai pateikti kiekvieną prognozę su pasikliautinaisiais intervalais ir modelio ribomis
- Galimybė pagrįsti teiginius apie visuomenės sveikatą įrodymais, nepritaikius dirbtinio intelekto dalių, kurioms reikalingas platinimas / fizika
Oro tarša yra nematoma, bet mirtina: kiekvienais metais ji sukelia milijonus priešlaikinių mirčių ir yra susipynusi su klimato kaita. Institucijos yra atsakingos ir už savo išmetamus teršalus, ir už oro kokybę aplink juos. Šiame skyriuje sužinosite apie oro kokybės parametrus, matavimo ir modeliavimo metodus, prognozes su AI ir viso to ribas.
Pirmiausia sąvokos. Oro kokybė paprastai matuojama naudojant kelis pagrindinius teršalus: PM2,5 ir PM10 (kietosios dalelės, mažesnės nei 2,5 ir 10 mikronų – įkvepiamos dulkės), NO₂ (azoto dioksidas – degimo metu), SO₂ (sieros dioksidas), O₃ (pažemio ozonas) ir CO (anglies monoksidas). AQI (oro kokybės indeksas) yra indeksas, paverčiantis šiuos teršalus į vieną spalvotą / sunumeruotą skalę (gerai pavojinga), kurią gali suprasti visuomenė. Emisija yra kiekis, išsiskiriantis iš šaltinio, o koncentracija yra koncentracija ore; Labai svarbu nepainioti šių dviejų.
Užuomina: emisija (iš šaltinio) ir koncentracija (matuojama ore) yra du skirtingi dalykai. Dėl vėjo, temperatūros ir topografijos tos pačios emisijos susidaro labai skirtingos koncentracijos. Sakymas „iš kamino išeina mažiau“ nereiškia, kad „oras šalia švarus“.
Modeliavimas: nuo emisijos iki koncentracijos
Apskaičiuoti, kiek teršalo, išeinančio iš kamino, koncentracijos pasieks gretimą kaimynystę, yra sklaidos modeliavimo dalykas. Šie modeliai naudoja meteorologiją (vėjo kryptį / greitį, atmosferos stabilumą) ir topografiją. Klasikiniai modeliai (pvz., Gauso pasiskirstymo modelis) yra pagrįsti fizika; Dirbtinis intelektas naudojamas šiems modeliams paspartinti, rezultatams interpretuoti ir modeliams iš didelių matavimo duomenų rinkinių išgauti, tačiau pavojinga „priversti“ fiziką į AI.
Prognozė: rytojaus orų prognozavimas
Stipriausia dirbtinio intelekto sritis yra prognozavimas: modelių kūrimas, kurie prognozuoja teršalų lygį rytoj arba po kelių valandų, naudojant istorinius matavimus, meteorologinius ir eismo duomenis. Tai naudinga visuomenės sveikatos įspėjimams ir atsargumo priemonėms (pvz., eismo apribojimui). Bet kiekviena prognozė turi neapibrėžtumo, ir modelis bus klaidingas, kai jis nepatenka į sąlygas, kuriomis buvo apmokytas (pavyzdžiui, netikėtas gaisras).
Žingsnis po žingsnio: oro kokybės analizė
1. Pasirinkite klausimą ir parametrą. Kuris teršalas, kurioje vietoje, kokiai trukmei?
2. Patikrinkite duomenų šaltinį. Referencinė stotis ar pigus jutiklis? Kalibras?
3. Išankstinis procesas. Išvalykite trūkstamus duomenis, jutiklių poslinkius, kraštutinius iškrypimus.
4. Konvertuokite į AQI ir palyginkite su slenksčiu. Ar viršyta įstatyminė riba?
5. Modeliavimas/numatymas. Tendencija, sezoniškumas, ateities projekcija.
6. Pranešti apie neapibrėžtumą. Visada pateikite įverčius su pasikliautinaisiais intervalais ir modelio ribomis.
trys mini dėklai
1 atvejis – išmetamųjų teršalų koncentracijos painiava. Viena įmonė norėjo pranešti, kad sumažino išmetamų teršalų kiekį 20 %, todėl „kaimynystės oras buvo 20 % švaresnis“. Ekspertas parodė, kad tuo metu vėjo kryptis pasikeitė ir koncentracijai iš tikrųjų įtakos turėjo meteorologija; Emisijos sumažinimas buvo realus, tačiau teiginys apie koncentraciją buvo nepagrįstas. Teiginys apsiribojo „20 % sumažinome kaminų emisijas“; Oro skundas be įrodymų pašalintas.
2 atvejis – jutiklio kalibravimas. Mokykla gavo įspėjimą apie „pavojingą PM2,5“ su pigiu jutikliu. Kai ekspertas palygino jutiklį su netoliese esančia atskaitos stotimi, jis nustatė, kad vertė buvo išpūsta esant didelei drėgmei; Po drėgmės korekcijos reikšmė sumažėjo iki „vidutinio“ lygio. Nekalibruotas jutiklis gali sukelti paniką. (Tai dar kartą parodo, koks svarbus yra jutiklio kalibravimas kiekvienoje matavimo srityje.)
3 atvejis – prognozės neapibrėžtumas. Savivaldybė kitą dieną įspėjo apie „didelę taršą“, naudodama savo AI prognozės modelį, tačiau netikėta smėlio audra sužlugdė prognozę. Komanda anksčiau pranešė, kad modelis buvo „nepatikimas su treniruotiniais duomenų įvykiais“; todėl įspėjimas buvo pateiktas kaip „galimas“ ir pasitikėjimas nebuvo prarastas. Neapibrėžtumo išaiškinimas yra atsakingas numatymo naudojimas.
Silpnas raginimas / Stiprus raginimas
Silpnas raginimas:
Su šiais orų duomenimis nuspėkite rytoj.
Kodėl jis silpnas: nereikalaujama parametrų, vietos, duomenų kokybės, modelio tipo ir neapibrėžtumo. Išvestis būtų vienas skaičius, jo patikimumas nežinomas.
Galingas raginimas:
Jūsų vaidmuo: oro kokybės duomenų mokslininkas. Naudodamiesi šiais PM2.5 valandiniais duomenimis ir meteorologija (vėjas, drėgmė, temperatūra), nustatykite paprastą prognozės modelį (pvz., gradiento didinimą) programoje Python ateinančioms 24 valandoms. Žingsniai: (1) duomenų valymas ir jutiklio dreifo valdymas, (2) funkcijų paruošimas, (3) modelis, (4) prognozės su pasikliautinuoju intervalu. Aiškiai įvardykite modelio apribojimus (nepatikimumas ne edukacinėse situacijose). Duomenys: [čia]
Keturi kopijuojami šablonai
1) Oro duomenų valymas + AQI:
Išvalykite šiuos oro kokybės matavimus naudodami Python (nepakankamas, įstrigęs, dreifuojamas, viršytas) ir konvertuokite juos į standartinį AQI. Nurodykite, kurią AQI formulę naudojate; montavimas. Pažymėkite valandas, kurios viršija teisinę ribą. Duomenys: [čia]
2) Emisijos ir koncentracijos skirtumas:
Patikrinkite šį teiginį: ar kalbama apie emisiją (iš šaltinio) ar koncentraciją (matuojama ore)? Pažymėkite dalis, kurios painioja šias dvi dalis, arba nepaisykite meteorologijos ir pasiūlykite išmatuotą perrašymą remiantis įrodymais. Pretenzija: [čia]
3) Numatymo modelis (su neapibrėžtumu):
Jūsų vaidmuo: duomenų mokslininkas. Sukurkite [teršalo] trumpalaikį prognozės modelį (Python) su šiomis laiko eilutėmis. Pateikite kiekvieną prognozę su jos pasikliautinuoju intervalu. Aiškiai parašykite, kokiomis sąlygomis (ne treniruočių renginys, ekstremalus oras) modelis būtų nepatikimas. Pernelyg optimistiškas tiesos tvirtinimas FAKE.Duomenys: [čia]
4) Išteklių indėlio santrauka:
Iš toliau pateiktų oro kokybės ir vėjo duomenų išanalizuokite, iš kurios krypties vėjas pučia didelės taršos valandomis, kad gautumėte užuominą apie galimą šaltinio kryptį. Nesakykite „tai yra šaltinis“ tiesiai šviesiai; Pasiūlykite tikimybę ir patikrinimą. Duomenys: [čia]
Dažnos klaidos
- Paini emisija su koncentracija. Dūmtraukio sumažėjimas nereiškia švaros ore.
- Pasikliauti nekalibruotu jutikliu. Drėgmė ir dreifas padidina vertes.
- Sąmatos pateikimas be neapibrėžtumo. Kiekvienas įvertinimas turėtų būti pateiktas su pasikliautinuoju intervalu.
- Fizikos suderinimas su AI. Paskirstymo modelis reikalauja fizikos; LLM „prognozė“ nėra fizika.
- Prisimenant teisines ribas. Paimkite ribines vertes iš teisės aktų.
Atsargiai: teiginiai apie oro kokybę yra susiję su visuomenės sveikata. Klaidingas teiginys „švarus“ kelia pavojų žmonėms; Nepagrįstas „nešvarus“ signalas sukelia nereikalingą paniką ir ekonominę žalą. Kiekvieną teiginį pagrįskite sukalibruotais duomenimis, tinkamu modeliu ir aiškiu neapibrėžtumu.
Apibendrinant
Oro kokybė; Tam reikia atskirti emisiją nuo koncentracijos, kalibruoti matavimus, tinkamai modeliuoti ir numatyti neapibrėžtumą. AI; Jis yra galingas duomenų valymui, modelių ištraukimui ir trumpalaikėms prognozėms. Tačiau fizika pagrįstas paskirstymas, jutiklių kalibravimas, teisinės slenkstinės ribos ir sąžiningas neapibrėžtumo pranešimas priklauso ekspertui. Skaičius ant kamino nėra toks pat kaip oro kaimynystėje.
Taikymo užduotis
Paruoškite hipotetinius valandinius KD2,5 ir vietos meteorologinius duomenis. Naudodami 1-ąjį šabloną leiskite AI išvalyti duomenis, konvertuoti juos į AQI ir pažymėti slenksčio viršijimą. Tada sukurkite trumpalaikės prognozės modelį naudodami 3 šabloną ir įsitikinkite, kad kiekviena prognozė pateikiama su pasikliautinuoju intervalu. Galiausiai atlikite oro kokybės teiginio auditą dėl išmetamų teršalų / koncentracijos pagal 2 šabloną.
kontrolinis sąrašas
- [ ] Teisingai atskyriau emisiją ir koncentraciją.
- [ ] Patikrinau jutiklio duomenis dėl kalibravimo ir dreifo.
- [ ] AQI ir slenksčius gavau iš teisingos formulės / teisės akto.
- [ ] Pateikiau įverčius su pasikliautinuoju intervalu ir modelio riba.
- [ ] Neturėjau AI pritaikyti dalių, kurioms reikėjo paskirstymo / fizikos.
- [ ] Teiginius apie visuomenės sveikatą palaikiau įrodymais.