Прибуток:
- Можливість розрізняти викиди (з джерела) і концентрацію (виміряну в повітрі) і перетворювати калібровані дані в AQI і порівнювати їх з пороговими значеннями
- Здатність побудувати короткострокову модель прогнозування забруднення та чесно представити кожен прогноз із довірчими інтервалами та межами моделі
- Можливість підкріплювати твердження щодо охорони здоров’я доказами без використання штучного інтелекту, адаптувати частини, які потребують розподілу/фізики
Забруднення повітря непомітне, але смертельне: воно спричиняє мільйони передчасних смертей щороку та пов’язане зі зміною клімату. Установи несуть відповідальність як за власні викиди в дим, так і за якість повітря навколо них. У цьому розділі ви дізнаєтесь про параметри якості повітря, методи вимірювання та моделювання, прогнозування за допомогою ШІ та межі всього цього.
Поняття спочатку. Якість повітря, як правило, вимірюється за кількома основними забруднювачами: PM2,5 і PM10 (тверді частинки розміром менше 2,5 і 10 мікрон — вдихуваний пил), NO₂ (діоксид азоту — від спалювання), SO₂ (діоксид сірки), O3 (приземний озон) і CO (монооксид вуглецю). AQI (індекс якості повітря) — це індекс, який перетворює ці забруднювачі в одну кольорову/нумеровану шкалу (хороший-небезпечний), зрозумілу громадськості. Викиди - це кількість, що виділяється з джерела, тоді як концентрація - це концентрація в повітрі; Важливо не плутати ці два.
Підказка: Викиди (з джерела) і концентрація (виміряна в повітрі) — це дві різні речі. Вітер, температура та рельєф призводять до того самого викиду, що призводить до дуже різних концентрацій. Сказати «з труби виходить менше» не означає «повітря поруч чисте».
Моделювання: від емісії до концентрації
Розрахунок концентрації забруднювача, що виходить із димової труби, досягне сусідніх районів – це питання дисперсійного моделювання. Ці моделі використовують метеорологію (напрямок/швидкість вітру, стабільність атмосфери) і топографію. Класичні моделі (наприклад, модель розподілу Гауса) засновані на фізиці; Штучний інтелект використовується для прискорення цих моделей, інтерпретації вихідних даних і вилучення шаблонів із великих наборів даних вимірювань, але небезпечно «вставляти» фізику в ШІ.
Прогноз: передбачення погоди на завтра
Найпотужніша галузь штучного інтелекту – це прогнозування: створення моделей, які передбачають рівні забруднюючих речовин завтра або через кілька годин, використовуючи історичні вимірювання, метеорологічні дані та дані про дорожній рух. Це важливо для попереджень щодо охорони здоров’я та запобіжних заходів (наприклад, обмеження руху). Але кожне передбачення має невизначеність, і модель буде помилковою, якщо вона виходить за межі умов, на яких її тренували (наприклад, несподівана пожежа).
Крок за кроком: аналіз якості повітря
1. Виберіть питання та параметр. Який забруднювач, яке місце розташування, протягом якої тривалості?
2. Перевірте джерело даних. Довідкова станція чи недорогий датчик? Калібр?
3. Попередня обробка. Очистіть відсутні дані, дрейф датчика, екстремальні викиди.
4. Перетворіть на AQI та порівняйте з порогом. Чи перевищено встановлений законом ліміт?
5. Моделювати/прогнозувати. Тренд, сезонність, прогноз на майбутнє.
6. Повідомте про невизначеність. Завжди представляйте оцінки з довірчими інтервалами та межами моделі.
три міні-чохла
Випадок 1 — плутанина концентрації викидів. Одне підприємство хотіло оголосити, що воно скоротило викиди з димової труби на 20%, і тому «повітря в околицях стало на 20% чистішим». Експерт показав, що напрямок вітру в цей час змінився і на концентрацію насправді вплинула метеорологія; Скорочення викидів було реальним, але заява про концентрацію була необґрунтованою. Заява зводилася до "ми скоротили викиди димових газів на 20%"; Повітряний позов без доказів видалено.
Випадок 2 — Калібрування датчика. Школа отримала сповіщення про «небезпечні PM2,5» за допомогою недорогого датчика. Коли експерт порівняв датчик із сусідньою еталонною станцією, він виявив, що значення було завищене при високій вологості; Після корекції вологості значення знизилося до рівня «середній». Некалібрований датчик може викликати паніку. (Це ще раз показує, наскільки важливою є калібрування датчика в кожній області вимірювання.)
Випадок 3 — Невизначеність прогнозу. Муніципалітет попередив про «високе забруднення» наступного дня за допомогою своєї моделі прогнозу AI, але несподівана піщана буря зірвала прогноз. Команда раніше повідомляла, що модель «ненадійна для подій даних, не пов’язаних із навчанням»; тому попередження було подано як «можливе» і не було втрати довіри. Усвідомлення невизначеності є відповідальним використанням передбачення.
Слабка підказка / Сильна підказка
Слабка підказка:
Передбачте завтра за цими даними погоди.
Чому він слабкий: відсутність попиту на параметри, місцезнаходження, якість даних, тип моделі та невизначеність. На виході буде одне число, надійність якого невідома.
Потужна підказка:
Ваша роль: дослідник даних про якість повітря. З наступними погодинними даними PM2,5 і метеорологією (вітер, вологість, температура) налаштуйте просту модель прогнозу (наприклад, підвищення градієнта) у Python на наступні 24 години. Етапи: (1) очищення даних і контроль дрейфу датчика, (2) підготовка функції, (3) модель, (4) надання прогнозів із довірчим інтервалом. Чітко вкажіть обмеження моделі (ненадійність у ненавчальних ситуаціях). Дані: [тут]
Чотири шаблони, які можна копіювати
1) Очищення повітряних даних + AQI:
Очистіть наведені нижче вимірювання якості повітря за допомогою Python (недостатнє значення, зависання, дрейф, перевищення) і конвертуйте їх у стандартний AQI. Вкажіть, яку формулу AQI ви використовуєте; примірка. Позначте години, які перевищують встановлений законом поріг. Дані: [тут]
2) Відмінність викидів від концентрації:
Перевірте таке твердження: йдеться про викиди (з джерела) чи концентрацію (виміряну в повітрі)? Виділіть частини, які плутають ці два або ігнорують метеорологію, і запропонуйте виважене повторення на основі доказів. Претензія: [тут]
3) Модель прогнозу (з невизначеністю):
Ваша роль: дослідник даних. Побудуйте модель короткострокового прогнозу (Python) для [забруднювача] з наступними часовими рядами. Надайте кожному передбаченню його довірчий інтервал. Чітко напишіть, за яких умов (поза тренуваннями, екстремальна погода) модель буде ненадійною. Надто оптимістична правдива заява FAKE.Data: [тут]
4) Резюме ресурсів:
На основі наведених нижче даних про якість повітря та вітру проаналізуйте напрямок вітру в години високого забруднення, щоб визначити можливий напрямок джерела. Не кажіть прямо «це джерело»; Імовірність пропозиції та перевірка. Дані: [тут]
Поширені помилки
- Плутаючи викиди з концентрацією. Зниження димоходу не означає чистоти повітря.
- Покладаючись на некалібрований датчик. Вологість і дрейф завищують значення.
- Представлення кошторису без невизначеності. Кожну оцінку слід надавати з довірчим інтервалом.
- Зробіть фізику відповідною за допомогою ШІ. Модель розподілу вимагає фізики; "Передбачення" LLM - це не фізика.
- Пам'ятайте про законодавчі пороги. Граничні значення беріть із законодавства.
Застереження: заяви про якість повітря стосуються здоров'я населення. Неправдива «чиста» заява піддає людей ризику; Необґрунтована «брудна» тривога створює непотрібну паніку та економічні збитки. Підтвердьте кожну заяву каліброваними даними, відповідною моделлю та чіткою невизначеністю.
Підсумовуючи
якість повітря; Це вимагає відокремлення викидів від концентрації, калібрування вимірювань, відповідного моделювання та прогнозування, представленого з невизначеністю. ШІ; Він потужний для очищення даних, вилучення шаблонів і короткострокового прогнозування. Але розподіл на основі фізики, калібрування датчиків, юридичні пороги та чесне звітування про невизначеність належать експертам. Число в димоході не те саме, що повітря в околицях.
Аплікаційне завдання
Підготуйте гіпотетичні погодинні PM2,5 та метеорологічні дані для певного місця. За допомогою 1-го шаблону попросіть AI очистити дані, перетворити їх на AQI та позначити перевищення порогових значень. Потім створіть модель короткострокового прогнозу за допомогою третього шаблону та переконайтеся, що кожен прогноз має довірчий інтервал. Нарешті, перевірте свою заяву щодо якості повітря щодо викидів/концентрації за шаблоном 2.
контрольний список
- [ ] Я правильно розрізнив випромінювання та концентрацію.
- [ ] Я перевірив дані датчика на предмет калібрування та дрейфу.
- [ ] Я отримав AQI та порогові значення з правильної формули/законодавства.
- [ ] Я представив оцінки з довірчим інтервалом і межею моделі.
- [ ] Штучний інтелект не адаптував частини, які вимагали розподілу/фізики.
- [ ] Я підтверджував заяви про охорону здоров’я доказами.