人工智能如何帮助我们避免空气污染

(ChinaIT.com讯)随着今年夏天美国各地的空气质量急剧下降,研究人员迎来了一线好消息。

人工智能可能很快可以为未来的污染事件提供提前预警。这可以帮助医院应对污染相关疾病的增加,甚至可以彻底减少人们对污染的接触。

空气污染的激增通常会导致住院人数激增,因为它会加剧哮喘和其他呼吸道疾病,导致上呼吸道感染或增加中风的可​​能性。但休斯顿大学大气化学副教授 Yunsoo Choi 说,由于现有空气质量预测的限制,目前不可能为这些峰值做好准备,这些预测提前三天才准确。

在这么短的时间内,我们能做的保护自己的一件事情就是限制在户外度过的时间。

但是现在,通过人工智能 (AI) 技术,Choi 和休斯顿大学的空气质量预测和建模实验室创建了一个新模型,可以提前 14 天预测臭氧污染。

虽然高层大气中的臭氧保护我们免受太阳的紫外线辐射,但地面臭氧是一种有害污染物,会刺激我们的肺部。由于它是在炎热、阳光明媚的日子在大气中形成的,因此我们会看到气候变化导致臭氧出现前所未有的峰值,类似于我们在最近的热浪期间在美国各地目睹的情况。

这些模型可以给地方政府更多的机会来控制污染排放源。

“拥有一个运行速度更快的模型可以让(地方政府)探索更多不同的情景来改善(空气质量),” 环境保护署(EPA)空气、气候和能源研究项目的首席副国家项目主任雪莉·亨特说。亨特没有参与这项研究。例如,如果研究人员确定未来的高臭氧事件将由汽车引起,那么政策制定者可以提出减少道路上汽车数量的方法。

此外,借助 Choi 的 AI 模型,“我们可以决定如何在恶劣的空气事件中为急诊室配备人员”,Hunt 说。

传统的空气质量预测是由数值模型创建的,这些模型本质上是复杂的计算器。他们求解多条数学方程,以确定将产生多少污染,以及在给定时间点将如何在一个区域内传输。

这些方程不是只求解一次。模型预测未来的每个小时都必须解决这些问题,这需要耗费大量的时间和计算能力。

“为了预测两三天……这需要几个小时”,即使使用超级计算机也是如此,Choi 说。

AI 模型无需这些耗时的计算即可预测臭氧。 相反,研究人员通过提供过去的空气质量数据来“训练”模型,模型使用这些数据来了解臭氧在不同气象条件下的表现。

根据观察到的模式,该模型对未来可能存在的臭氧量进行了有根据的猜测。它只需要几分钟,并且比之前的模型更准确。

研究人员在根据三年前收集的数据训练人工智能模型后,于 2017 年对韩国的臭氧污染进行了建模,证明了这一点。然后,他们将训练结果与社区多尺度空气质量模型 (CMAQ) 进行了比较,CMAQ 是 EPA 开发的常用数值模型。使用 CMAQ,模型的平均准确率在预测的第一天达到 77% 的峰值,并在接下来的 14 天内迅速下降。然而,当Choi使用人工智能时,预测第一天的平均准确率是 90%。尽管该值在两周内逐渐下降,但它的表现仍优于 CMAQ 在第一天的表现。

Choi 的 AI 模型可提供高度准确的 14 天预测,加上其更快的计算时间,可以减轻我们公共卫生系统的压力。亨特说:“在空气污染事件发生后,我们可以看到急诊就诊以及其他心血管和呼吸系统影响大幅增加”。

例如,最近一项针对医疗保险患者的研究得出的结论是,暴露于臭氧和其他污染物可能会导致每年增加数千人住院。

医院“如果要增加特定区域的床位数量或提供者的数量,就必须证明他们的需求,”亨特解释说。

提前两周了解污染水平如何变化可以帮助医院管理人员更有效地处理事件。

还有气候变化问题,由于炎热、停滞的天气上升,气候变化会影响大气中产生的臭氧量。

但是,很难更新数值模型用于计算污染物浓度的方程和参数,Choi 说,他过去曾使用过这些类型的模型。“适应新类型的(天气)现象并不容易”,比如热浪。

然而,另一方面,人工智能模型的适应性要强得多。他们从错误中吸取教训,并相应地调整他们的预测。他们还可以接受新数据的再培训,以改进他们的预测。

人工智能技术有局限性。一方面,研究人员可能会看到模型产生了正确的答案,但他们“不知道模型做这些事情是否出于正确的原因,”亨特说。

然而,“通过使用(数值模型),我们可以了解所发生事件的所有细节——什么样的化学或物理特性是造成高污染事件的关键”,Choi 说。 未来可能需要结合使用这两种模型。

这只是需要一些时间。 “在 EPA 内,我不认识任何人,我们的任何研究科学家都在使用人工智能技术,”亨特说。

然而,该机构正在资助专注于改进人工智能模型并将其与当今存在的技术相结合的学术研究人员。

“一旦完成这项工作,就有可能将其带回该机构,”亨特说。 “我们希望使用 (模型) 来指导行动,让更多人呼吸干净的空气,所以如果我们能够制造出更好的工具,那么这将使我们受益良多。”

ChinaIT.com 网站文章仅限于提供更多信息,不代表本网站立场观点。如需转载,请注明来源 。转载之文章来源于互联网,如有版权问题,请与我们联系:content@chinait.com。

扫码关注ChinaIT小程序,随时掌握最新IT资讯