காற்றின் தரம் மற்றும் மாசு கண்காணிப்பு: அளவீடு, மாடலிங் மற்றும் முன்கணிப்பு

ஆதாயங்கள்:

• உமிழ்வுகள் (மூலத்திலிருந்து) மற்றும் செறிவு (காற்றில் அளவிடப்படுகிறது) ஆகியவற்றை வேறுபடுத்தி அறியும் திறன் மற்றும் அளவீடு செய்யப்பட்ட தரவை AQI க்கு மாற்றவும் மற்றும் வரம்புகளுடன் ஒப்பிடவும்
• குறுகிய கால மாசு முன்கணிப்பு மாதிரியை உருவாக்கும் திறன் மற்றும் ஒவ்வொரு கணிப்பையும் நம்பிக்கை இடைவெளிகள் மற்றும் மாதிரி வரம்புகளுடன் நேர்மையாக வழங்குதல்
• செயற்கை நுண்ணறிவு இல்லாமல் பொது சுகாதார உரிமைகோரல்களை ஆதாரங்களுடன் ஆதரிக்கும் திறன் விநியோகம்/இயற்பியல் தேவைப்படும் பகுதிகளை மாற்றியமைக்கிறது

காற்று மாசுபாடு கண்ணுக்கு தெரியாதது ஆனால் ஆபத்தானது: இது ஒவ்வொரு ஆண்டும் மில்லியன் கணக்கான அகால மரணங்களை ஏற்படுத்துகிறது மற்றும் காலநிலை மாற்றத்துடன் பின்னிப்பிணைந்துள்ளது. நிறுவனங்கள் அவற்றின் சொந்த அடுக்கு உமிழ்வுகள் மற்றும் அவற்றைச் சுற்றியுள்ள காற்றின் தரம் ஆகிய இரண்டிற்கும் பொறுப்பாகும். இந்த யூனிட்டில், காற்றின் தர அளவுருக்கள், அளவீடு மற்றும் மாடலிங் முறைகள், AI உடன் கணிப்பு மற்றும் இவை அனைத்தின் வரம்புகள் ஆகியவற்றை நீங்கள் கற்றுக்கொள்வீர்கள்.

முதலில் கருத்துக்கள். காற்றின் தரம் பொதுவாக பல முக்கிய மாசுபடுத்திகளில் அளவிடப்படுகிறது: PM2.5 மற்றும் PM10 (2.5 மற்றும் 10 மைக்ரான்களுக்கு குறைவான துகள்கள் - சுவாசிக்கக்கூடிய தூசி), NO₂ (நைட்ரஜன் டை ஆக்சைடு - எரிப்பிலிருந்து), SO₂ (சல்பர் டை ஆக்சைடு), O₃ (தரையில் ஓசோன்), மற்றும் CO (கார்பன்) AQI (Air Quality Index) என்பது இந்த மாசுபடுத்திகளை ஒரே வண்ண/எண்கள் கொண்ட அளவாக (நல்ல-ஆபத்தான) மாற்றும் குறியீடு ஆகும். உமிழ்வு என்பது மூலத்திலிருந்து வெளியாகும் அளவு, அதே சமயம் செறிவு என்பது காற்றில் உள்ள செறிவு; இரண்டையும் குழப்பிக் கொள்ளாமல் இருப்பது முக்கியம்.

குறிப்பு: உமிழ்வு (மூலத்திலிருந்து) மற்றும் செறிவு (காற்றில் அளவிடப்படுகிறது) இரண்டு வெவ்வேறு விஷயங்கள். காற்று, வெப்பநிலை மற்றும் நிலப்பரப்பு ஆகியவை ஒரே உமிழ்வை வெவ்வேறு செறிவுகளில் விளைவிக்க காரணமாகின்றன. "சிம்னியில் இருந்து வெளியேறுவது குறைவு" என்று கூறுவது "அருகில் உள்ள காற்று சுத்தமாக உள்ளது" என்று அர்த்தமல்ல.

மாடலிங்: உமிழ்வு முதல் செறிவு வரை

புகைபோக்கியில் இருந்து வெளியேறும் மாசுபடுத்தியின் செறிவைக் கணக்கிடுவது, அருகிலுள்ள சுற்றுப்புறத்தை அடையும் என்பது சிதறல் மாடலிங் ஆகும். இந்த மாதிரிகள் வானிலையியல் (காற்றின் திசை/வேகம், வளிமண்டல நிலைத்தன்மை) மற்றும் நிலப்பரப்பு ஆகியவற்றைப் பயன்படுத்துகின்றன. கிளாசிக்கல் மாதிரிகள் (எ.கா. காஸியன் விநியோக மாதிரி) இயற்பியல் சார்ந்தவை; இந்த மாதிரிகளை விரைவுபடுத்தவும், வெளியீட்டை விளக்கவும், பெரிய அளவீட்டு தரவுத் தொகுப்புகளிலிருந்து வடிவங்களைப் பிரித்தெடுக்கவும் AI பயன்படுகிறது - ஆனால் இயற்பியலை AIக்கு பொருத்துவது ஆபத்தானது.

முன்னறிவிப்பு: நாளைய வானிலையை கணித்தல்

AI இன் வலிமையான துறை முன்கணிப்பு: வரலாற்று அளவீடு, வானிலை மற்றும் போக்குவரத்து தரவுகளைப் பயன்படுத்தி நாளை அல்லது சில மணிநேரங்களுக்குப் பிறகு மாசு அளவைக் கணிக்கும் மாதிரிகளை உருவாக்குதல். பொது சுகாதார எச்சரிக்கைகள் மற்றும் முன்னெச்சரிக்கை (எ.கா. போக்குவரத்து கட்டுப்பாடு) ஆகியவற்றிற்கு இது மதிப்புமிக்கது. ஆனால் ஒவ்வொரு கணிப்பும் நிச்சயமற்ற தன்மையைக் கொண்டுள்ளது, மேலும் அது பயிற்றுவிக்கப்பட்ட நிலைமைகளுக்கு வெளியே விழும்போது மாதிரி தவறாகிவிடும் (எடுத்துக்காட்டாக, எதிர்பாராத தீ).

படிப்படியாக: காற்றின் தர பகுப்பாய்வு

1. கேள்வி மற்றும் அளவுருவைத் தேர்ந்தெடுக்கவும். எந்த மாசுபாடு, எந்த இடம், எந்த காலத்திற்கு?

2. தரவு மூலத்தை சரிபார்க்கவும். குறிப்பு நிலையம் அல்லது குறைந்த விலை சென்சார்? காலிபர்?

3. முன் செயல்முறை. விடுபட்ட டேட்டா, சென்சார் ட்ரிஃப்ட், எக்ஸ்ட்ரீம் அவுட்லையர்களை சுத்தம் செய்யவும்.

4. AQI க்கு மாற்றவும் மற்றும் வாசலில் ஒப்பிடவும். சட்ட வரம்பு மீறப்பட்டதா?

5. மாதிரி/கணிப்பு. போக்கு, பருவநிலை, எதிர்கால கணிப்பு.

6. நிச்சயமற்ற தன்மையைப் புகாரளிக்கவும். நம்பிக்கை இடைவெளிகள் மற்றும் மாதிரி வரம்புகளுடன் எப்போதும் மதிப்பீடுகளை முன்வைக்கவும்.

மூன்று சிறிய வழக்குகள்

வழக்கு 1 - உமிழ்வு-செறிவு குழப்பம். ஒரு வசதி, அதன் அடுக்கு உமிழ்வை 20% குறைத்துள்ளதாகவும், அதனால் "அருகிலுள்ள காற்று 20% தூய்மையானது" என்றும் அறிவிக்க விரும்புகிறது. அந்த நேரத்தில் காற்றின் திசை மாறியது மற்றும் செறிவு உண்மையில் வானிலையால் பாதிக்கப்பட்டது என்று நிபுணர் காட்டினார்; உமிழ்வு குறைப்பு உண்மையானது, ஆனால் செறிவு கூற்று ஆதாரமற்றது. அறிக்கை "20% ஸ்டாக் உமிழ்வைக் குறைத்துள்ளோம்"; ஆதாரம் இல்லாத ஏர் க்ளெய்ம் நீக்கப்பட்டது.

வழக்கு 2 - சென்சார் அளவுத்திருத்தம். ஒரு பள்ளி குறைந்த விலை சென்சார் கொண்ட "ஆபத்தான PM2.5" எச்சரிக்கையைப் பெற்றது. நிபுணர் சென்சாரை அருகிலுள்ள குறிப்பு நிலையத்துடன் ஒப்பிட்டுப் பார்த்தபோது, ​​அதிக ஈரப்பதத்தில் மதிப்பு உயர்த்தப்பட்டதைக் கண்டறிந்தார்; ஈரப்பதத்தை சரிசெய்த பிறகு, மதிப்பு "நடுத்தர" நிலைக்கு குறைந்தது. அளவீடு செய்யப்படாத சென்சார் பீதியை ஏற்படுத்தலாம். (ஒவ்வொரு அளவீட்டுப் பகுதியிலும் சென்சார் அளவுத்திருத்தம் எவ்வளவு முக்கியமானது என்பதை இது மீண்டும் காட்டுகிறது.)

வழக்கு 3 - முன்னறிவிப்பு நிச்சயமற்ற தன்மை. ஒரு நகராட்சி அதன் AI முன்னறிவிப்பு மாதிரியுடன் அடுத்த நாள் "அதிக மாசுபாடு" பற்றி எச்சரித்தது, ஆனால் எதிர்பாராத மணல் புயல் முன்னறிவிப்பை முறியடித்தது. இந்த மாதிரியானது "பயிற்சி இல்லாத தரவு நிகழ்வுகளுக்கு நம்பகத்தன்மையற்றது" என்று குழு முன்பு தெரிவித்திருந்தது; எனவே எச்சரிக்கை "சாத்தியமானது" என முன்வைக்கப்பட்டது மற்றும் நம்பிக்கையை இழக்கவில்லை. நிச்சயமற்ற தன்மையை தெளிவுபடுத்துவது கணிப்பின் பொறுப்பான பயன்பாடாகும்.

பலவீனமான வரியில் / வலுவான வரியில்

பலவீனமான உடனடி:

இந்த வானிலை தரவு மூலம் நாளை கணிக்கவும்.

இது ஏன் பலவீனமாக உள்ளது: அளவுருக்கள், இருப்பிடம், தரவு தரம், மாதிரி வகை மற்றும் நிச்சயமற்ற தன்மை ஆகியவற்றிற்கு தேவை இல்லை. வெளியீடு ஒற்றை எண்ணாக இருக்கும், அதன் நம்பகத்தன்மை தெரியவில்லை.

சக்திவாய்ந்த தூண்டுதல்:

உங்கள் பங்கு: காற்றின் தர தரவு விஞ்ஞானி. பின்வரும் PM2.5 மணிநேர தரவு மற்றும் வானிலை (காற்று, ஈரப்பதம், வெப்பநிலை) மூலம் அடுத்த 24 மணிநேரத்திற்கு பைத்தானில் ஒரு எளிய முன்னறிவிப்பு மாதிரியை (எ.கா. சாய்வு அதிகரிப்பு) அமைக்கவும். படிகள்: (1) தரவு சுத்தம் மற்றும் சென்சார் சறுக்கல் கட்டுப்பாடு, (2) அம்சம் தயாரித்தல், (3) மாதிரி, (4) நம்பிக்கை இடைவெளியுடன் கணிப்புகளை வழங்குதல். மாதிரியின் வரம்புகளை தெளிவாகக் குறிப்பிடவும் (கல்வி அல்லாத சூழ்நிலைகளில் நம்பகத்தன்மையின்மை). தரவு: [இங்கே]

நகலெடுக்கக்கூடிய நான்கு வார்ப்புருக்கள்

1) காற்று தரவு சுத்தம் + AQI:

பின்வரும் காற்றின் தர அளவீடுகளை பைதான் (அண்டர்ஷூட், ஸ்டக், டிரிஃப்ட், ஓவர்ஷூட்) மூலம் சுத்தம் செய்து, அவற்றை நிலையான AQIக்கு மாற்றவும். நீங்கள் பயன்படுத்தும் AQI சூத்திரத்தைக் குறிப்பிடவும்; பொருத்துதல். சட்ட வரம்பை மீறும் நேரத்தைக் குறிக்கவும். தரவு: [இங்கே]

2) உமிழ்வு மற்றும் செறிவு வேறுபாடு:

பின்வரும் கோரிக்கையைச் சரிபார்க்கவும்: இது உமிழ்வுகள் (மூலத்திலிருந்து) அல்லது செறிவு (காற்றில் அளவிடப்படுகிறது) பற்றியதா? இரண்டையும் குழப்பும் பகுதிகளை முன்னிலைப்படுத்தவும் அல்லது வானிலை ஆய்வுகளை புறக்கணிக்கவும் மற்றும் ஆதாரங்களின் அடிப்படையில் அளவிடப்பட்ட மறு அறிக்கையை பரிந்துரைக்கவும். உரிமைகோரல்: [இங்கே]

3) கணிப்பு மாதிரி (நிச்சயமற்ற தன்மையுடன்):

உங்கள் பங்கு: தரவு விஞ்ஞானி. பின்வரும் நேரத் தொடருடன் [மாசுபடுத்தும்] குறுகிய கால முன்னறிவிப்பு மாதிரியை (பைதான்) உருவாக்கவும். ஒவ்வொரு கணிப்பையும் அதன் நம்பிக்கை இடைவெளியுடன் கொடுங்கள். எந்த நிலைமைகளின் கீழ் (பயிற்சி இல்லாத நிகழ்வு, தீவிர வானிலை) மாதிரி நம்பகத்தன்மையற்றதாக இருக்கும் என்பதை தெளிவாக எழுதுங்கள். அதிகப்படியான நம்பிக்கையான உண்மை FAKE. தரவு: [இங்கே]

4) வள பங்களிப்பு சுருக்கம்:

கீழே உள்ள காற்றின் தரம் மற்றும் காற்றின் தரவிலிருந்து, அதிக மாசு ஏற்படும் நேரங்களில் காற்று எந்த திசையில் இருந்து வருகிறது என்பதை பகுப்பாய்வு செய்து, சாத்தியமான மூல திசையைப் பற்றிய துப்பு கொடுக்கவும். "இதுதான் ஆதாரம்" என்று நேரடியாகச் சொல்லாதீர்கள்; நிகழ்தகவு மற்றும் சரிபார்ப்பு சலுகை. தரவு: [இங்கே]

பொதுவான தவறுகள்

• செறிவுடன் குழப்பம் உமிழ்வு. புகைபோக்கி குறைவது காற்றில் தூய்மை என்று அர்த்தமல்ல.
• அளவீடு செய்யப்படாத சென்சார் மீது தங்கியுள்ளது. ஈரப்பதம் மற்றும் சறுக்கல் மதிப்புகளை உயர்த்துகிறது.
• நிச்சயமற்ற மதிப்பீட்டை வழங்குதல். ஒவ்வொரு மதிப்பீடும் நம்பிக்கை இடைவெளியுடன் கொடுக்கப்பட வேண்டும்.
• AI உடன் இயற்பியலை பொருத்தமாக்குதல். விநியோக மாதிரிக்கு இயற்பியல் தேவை; LLM இன் "கணிப்பு" இயற்பியல் அல்ல.
• சட்ட வரம்புகளை நினைவில் வைத்தல். சட்டத்திலிருந்து வரம்பு மதிப்புகளை எடுத்துக் கொள்ளுங்கள்.

எச்சரிக்கை: காற்றின் தர உரிமைகோரல்கள் பொது சுகாதாரத்தைப் பற்றியது. ஒரு தவறான "சுத்தமான" கூற்று மக்களை ஆபத்தில் ஆழ்த்துகிறது; ஒரு ஆதாரமற்ற "அழுக்கு" அலாரம் தேவையற்ற பீதி மற்றும் பொருளாதார சேதத்தை உருவாக்குகிறது. அளவீடு செய்யப்பட்ட தரவு, பொருத்தமான மாதிரி மற்றும் தெளிவான நிச்சயமற்ற தன்மையுடன் ஒவ்வொரு உரிமைகோரலையும் ஆதரிக்கவும்.

சுருக்கமாக

காற்றின் தரம்; இதற்கு செறிவு, அளவீட்டு அளவீடு, பொருத்தமான மாதிரியாக்கம் மற்றும் நிச்சயமற்ற கணிப்பு ஆகியவற்றிலிருந்து உமிழ்வை பிரிப்பது தேவைப்படுகிறது. AI; இது தரவு சுத்தம், முறை பிரித்தெடுத்தல் மற்றும் குறுகிய கால முன்கணிப்பு ஆகியவற்றில் சக்தி வாய்ந்தது. ஆனால் இயற்பியல் அடிப்படையிலான விநியோகம், சென்சார் அளவுத்திருத்தம், சட்ட வரம்புகள் மற்றும் நிச்சயமற்ற தன்மையின் நேர்மையான அறிக்கை ஆகியவை நிபுணருக்கு சொந்தமானது. புகைபோக்கியில் உள்ள எண் அக்கம் பக்கத்தில் உள்ள காற்றுக்கு சமமாக இல்லை.

விண்ணப்ப பணி

ஒரு இருப்பிடத்திற்கான அனுமான மணிநேர PM2.5 மற்றும் வானிலை தரவுகளை தயார் செய்யவும். 1வது டெம்ப்ளேட்டுடன், AI தரவைச் சுத்தம் செய்து, அதை AQIக்கு மாற்றி, வரம்பு மீறல்களைக் குறிக்கவும். பின்னர் 3வது டெம்ப்ளேட்டுடன் குறுகிய கால முன்னறிவிப்பு மாதிரியை உருவாக்கி, ஒவ்வொரு முன்னறிவிப்பும் நம்பிக்கை இடைவெளியுடன் வருவதை உறுதிசெய்யவும். இறுதியாக, வார்ப்புரு 2 உடன் உமிழ்வுகள்/செறிவுக்காக உங்கள் காற்றின் தரக் கோரிக்கையை தணிக்கை செய்ய வேண்டும்.

சரிபார்ப்பு பட்டியல்

• [ ] உமிழ்வு மற்றும் செறிவு ஆகியவற்றுக்கு இடையேயான வேறுபாட்டை நான் சரியாகச் செய்தேன்.
• [ ] அளவுத்திருத்தம் மற்றும் சறுக்கலுக்கான சென்சார் தரவைச் சரிபார்த்தேன்.
• [ ] சரியான சூத்திரம்/சட்டத்தில் இருந்து AQI மற்றும் வரம்புகளைப் பெற்றேன்.
• [ ] நான் நம்பிக்கை இடைவெளி மற்றும் மாதிரி வரம்புடன் மதிப்பீடுகளை வழங்கினேன்.
• விநியோகம்/இயற்பியல் தேவைப்படும் பகுதிகளை மாற்றியமைக்கும் AI என்னிடம் இல்லை.
• [ ] பொது சுகாதார உரிமைகோரல்களை நான் ஆதாரத்துடன் ஆதரித்தேன்.