Fitimet:
- Aftësia për të bërë dallimin midis emetimeve (nga burimi) dhe përqendrimit (të matur në ajër) dhe konvertimin e të dhënave të kalibruar në AQI dhe krahasimin e tyre me pragjet
- Aftësia për të ndërtuar një model parashikimi afatshkurtër të ndotjes dhe për të paraqitur çdo parashikim me ndershmëri me intervale besimi dhe limite modeli
- Aftësia për të mbështetur pretendimet e shëndetit publik me prova pa pasur inteligjencë artificiale për të përshtatur pjesët që kërkojnë shpërndarje/fizikë
Ndotja e ajrit është e padukshme, por vdekjeprurëse: shkakton miliona vdekje të parakohshme çdo vit dhe është e ndërthurur me ndryshimet klimatike. Institucionet janë përgjegjëse si për emetimet e tyre të stivës ashtu edhe për cilësinë e ajrit përreth tyre. Në këtë njësi do të mësoni parametrat e cilësisë së ajrit, metodat e matjes dhe modelimit, parashikimin me AI dhe kufijtë e të gjitha këtyre.
Konceptet e para. Cilësia e ajrit matet përgjithësisht në disa ndotës kryesorë: PM2.5 dhe PM10 (grimcat më të vogla se 2.5 dhe 10 mikron - pluhuri i frymëmarrjes), NO2 (dioksidi i azotit - nga djegia), SO2 (dioksid squfuri), O3 (monoksidi i nivelit të tokës (ozoni) dhe CO. AQI (Air Quality Index) është indeksi që i konverton këta ndotës në një shkallë të vetme me ngjyrë/numër (e mirë-rrezikshme) që publiku mund ta kuptojë. Emisioni është sasia e çliruar nga burimi, ndërsa përqendrimi është përqendrimi në ajër; Është e rëndësishme të mos ngatërrohen të dyja.
Këshillë: Emetimi (nga burimi) dhe përqendrimi (i matur në ajër) janë dy gjëra të ndryshme. Era, temperatura dhe topografia bëjnë që i njëjti emetim të rezultojë në përqendrime shumë të ndryshme. Të thuash "ka më pak që del nga oxhaku" nuk do të thotë "ajri aty pranë është i pastër".
Modelimi: nga emetimi në përqendrim
Llogaritja e përqendrimit të një ndotësi që del nga një oxhak do të arrijë në një lagje të afërt është një çështje e modelimit të dispersionit. Këto modele përdorin meteorologjinë (drejtimin/shpejtësinë e erës, stabilitetin atmosferik) dhe topografinë. Modelet klasike (p.sh. modeli i shpërndarjes Gaussian) janë të bazuara në fizikë; Inteligjenca artificiale përdoret për të përshpejtuar këto modele, për të interpretuar rezultatin dhe për të nxjerrë modele nga grupe të mëdha të të dhënave matëse - por është e rrezikshme të "bësh" fizikën të përshtatet me AI.
Parashikimi: parashikimi i motit të nesërm
Fusha më e fortë e AI është parashikimi: ndërtimi i modeleve që parashikojnë nivelet e ndotësve nesër ose disa orë më vonë, duke përdorur matjet historike, meteorologjinë dhe të dhënat e trafikut. Kjo është e vlefshme për paralajmërimet dhe masat paraprake të shëndetit publik (p.sh. kufizimi i trafikut). Por çdo parashikim ka pasiguri dhe modeli do të jetë i gabuar kur të bjerë jashtë kushteve në të cilat është trajnuar (për shembull, një zjarr i papritur).
Hap pas hapi: një analizë e cilësisë së ajrit
1. Zgjidhni pyetjen dhe parametrin. Cilin ndotës, cilin vend, për çfarë kohëzgjatjeje?
2. Verifikoni burimin e të dhënave. Stacion referimi apo sensor me kosto të ulët? Kalibër?
3. Para-procesi. Pastroni të dhënat që mungojnë, zhvendosjen e sensorit, pikat e jashtme ekstreme.
4. Konvertoni në AQI dhe krahasojeni me pragun. A është tejkaluar kufiri ligjor?
5. Modeloni/parashikoni. Trendi, sezonaliteti, projeksioni i së ardhmes.
6. Raportoni pasigurinë. Paraqisni gjithmonë vlerësime me intervale besimi dhe limite modeli.
tre mini kuti
Rasti 1 - Konfuzion emetim-përqendrim. Një objekt donte të njoftonte se kishte reduktuar emetimet e tij me 20% dhe për këtë arsye "ajri i lagjes ishte 20% më i pastër". Eksperti tregoi se drejtimi i erës ndryshoi në atë kohë dhe përqendrimi në fakt ishte ndikuar nga meteorologjia; Reduktimi i emetimeve ishte real, por pretendimi i përqendrimit ishte i pavërtetuar. Deklarata ishte e kufizuar në "ne reduktuam emetimet e stivës me 20%"; Pretendimi ajror pa prova u hoq.
Rasti 2 - Kalibrimi i sensorit. Një shkollë mori një alarm "PM2.5 të rrezikshëm" me një sensor me kosto të ulët. Kur eksperti e krahasoi sensorin me një stacion referimi aty pranë, ai zbuloi se vlera ishte fryrë në lagështi të lartë; Pas korrigjimit të lagështisë, vlera u ul në nivelin "mesatar". Një sensor i pakalibruar mund të shkaktojë panik. (Kjo tregon edhe një herë se sa kritik është kalibrimi i sensorit në çdo zonë matjeje.)
Rasti 3 - Pasiguria e parashikimit. Një bashki paralajmëroi për "ndotje të lartë" të nesërmen me modelin e saj të parashikimit të AI, por një stuhi rëre e papritur e prishi parashikimin. Ekipi kishte raportuar më parë se modeli ishte "jo i besueshëm për ngjarjet e të dhënave jo-trajnuese"; prandaj paralajmërimi është paraqitur si “i mundshëm” dhe nuk ka pasur humbje të besimit. Të bësh të qartë pasigurinë është përdorimi i përgjegjshëm i parashikimit.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Parashikoni të nesërmen me këto të dhëna moti.
Pse është i dobët: Nuk ka kërkesë për parametra, vendndodhje, cilësi të të dhënave, lloj modeli dhe pasiguri. Dalja do të ishte një numër i vetëm, besueshmëria e tij nuk dihet.
Njoftim i fuqishëm:
Roli juaj: shkencëtar i të dhënave të cilësisë së ajrit. Me të dhënat e mëposhtme për orë PM2.5 dhe meteorologjinë (era, lagështia, temperatura), vendosni një model të thjeshtë parashikimi (p.sh. rritja e gradientit) në Python për 24 orët e ardhshme. Hapat: (1) pastrimi i të dhënave dhe kontrolli i zhvendosjes së sensorit, (2) përgatitja e veçorive, (3) modeli, (4) jepni parashikime me interval besimi. Tregoni qartë kufizimet e modelit (mosbesueshmëria në situata jo-edukative). Të dhënat: [këtu]
Katër shabllone të kopjueshëm
1) Pastrimi i të dhënave të ajrit + AQI:
Pastroni matjet e mëposhtme të cilësisë së ajrit me Python (nënhyrje, ngecje, zhvendosje, tejkalim) dhe konvertojini ato në AQI standarde. Specifikoni cilën formulë AQI përdorni; i përshtatshëm. Shënoni orët që tejkalojnë kufirin ligjor. Të dhënat: [këtu]
2) Dallimi i emetimit dhe përqendrimit:
Kontrolloni pretendimin e mëposhtëm: është fjala për emetimet (nga burimi) apo përqendrimin (e matur në ajër)? Theksoni pjesët që ngatërrojnë të dyja ose shpërfillin meteorologjinë dhe sugjeroni një rideklarim të matur bazuar në prova. Pretendimi: [këtu]
3) Modeli i parashikimit (me pasiguri):
Roli juaj: shkencëtar i të dhënave. Ndërtoni një model parashikimi afatshkurtër (Python) për [ndotësin] me seritë kohore të mëposhtme. Jepni çdo parashikim me intervalin e tij të besimit. Shkruani qartë në cilat kushte (ngjarja jo-stërvitore, moti ekstrem) modeli do të ishte jo i besueshëm. Pretendimi i vërtetë tepër optimist FAKE. Të dhënat: [këtu]
4) Përmbledhja e kontributit të burimeve:
Nga të dhënat e cilësisë së ajrit dhe erës më poshtë, analizoni se nga cili drejtim vjen era gjatë orëve të ndotjes së lartë për të dhënë një të dhënë për drejtimin e mundshëm të burimit. Mos thoni "ky është burimi" drejtpërdrejt; Probabiliteti dhe verifikimi i ofertës. Të dhënat: [këtu]
Gabimet e zakonshme
- Ngatërrimi i emetimit me përqendrimin. Ulja e oxhakut nuk do të thotë pastërti në ajër.
- Duke u mbështetur në një sensor të pakalibruar. Lagështia dhe drifti fryjnë vlerat.
- Paraqitja e vlerësimit pa pasiguri. Çdo vlerësim duhet të jepet me një interval besimi.
- Përshtatja e fizikës me AI. Modeli i shpërndarjes kërkon fizikë; "Parashikimi" i LLM nuk është fizika.
- Kujtimi i pragjeve ligjore. Merrni vlerat kufi nga legjislacioni.
Kujdes: Pretendimet për cilësinë e ajrit kanë të bëjnë me shëndetin publik. Një pretendim i rremë "i pastër" i vë njerëzit në rrezik; Një alarm i pabazuar "i pistë" krijon panik të panevojshëm dhe dëme ekonomike. Mbështetni çdo pretendim me të dhëna të kalibruara, model të përshtatshëm dhe pasiguri të qartë.
Në përmbledhje
Cilësia e ajrit; Ai kërkon ndarjen e emetimit nga përqendrimi, kalibrimin e matjeve, modelimin e duhur dhe parashikimin e paraqitur me pasiguri. AI; Është i fuqishëm në pastrimin e të dhënave, nxjerrjen e modeleve dhe parashikimin afatshkurtër. Por shpërndarja e bazuar në fizikë, kalibrimi i sensorëve, pragjet ligjore dhe raportimi i ndershëm i pasigurisë i përkasin ekspertit. Numri në oxhak nuk është i njëjtë me ajrin e lagjes.
Detyra e aplikimit
Përgatitni të dhëna hipotetike për orë PM2.5 dhe meteorologjike për një vendndodhje. Me shabllonin e parë, bëni që AI të pastrojë të dhënat, t'i konvertojë ato në AQI dhe të shënojë tejkalimet e pragut. Më pas ndërtoni një model parashikimi afatshkurtër me shabllonin e tretë dhe sigurohuni që çdo parashikim të vijë me një interval besimi. Më në fund, kontrolloni pretendimin tuaj për cilësinë e ajrit për emetimet/përqendrimin me shabllonin 2.
listë kontrolli
- [ ] Kam bërë saktë dallimin midis emetimit dhe përqendrimit.
- [ ] Kontrollova të dhënat e sensorit për kalibrim dhe lëvizje.
- [ ] Kam marrë AQI dhe pragjet nga formula/legjislacioni i saktë.
- [ ] Kam paraqitur vlerësimet me intervalin e besueshmërisë dhe limitin e modelit.
- [ ] Nuk kisha që AI të përshtatte pjesët që kërkonin shpërndarje/fizikë.
- [ ] Unë i mbështeta pretendimet e shëndetit publik me prova.