新的人工智能深度學習模型允許更早 更準確的臭氧警告

休斯頓大學的研究人員開發了一個基于人工智能的臭氧預測系統，該系統將允許當地地區提前24小時預測臭氧水平。

這將改善由于臭氧含量高而有發展問題的高危人群的健康警報。

地球與大氣科學系副教授、解釋這項工作的相應作者崔云洙（Yunsoo Choi）說，他們使用卷積神經網絡建立了一個人工智能模型，能夠從當前條件中獲取信息，準確預測第二天的臭氧水平。這項工作發表在《神經網絡》雜志上。

崔天凱說：“如果我們知道今天的情況，就可以預測明天的情況。

臭氧是一種不穩定的氣體，由陽光與氮氧化物（NOx）和揮發性有機化合物結合時的化學反應形成，這兩種化合物都存在于汽車和工業排放中。它會導致人們的呼吸問題，而那些特別容易受到臭氧影響的人-包括哮喘患者、老年人和幼兒-被建議在臭氧水平高時減少他們的暴露。

Alqamah Sayeed，論文第一作者，博士。Choi公司的“空氣質量預測與建模實驗室”的學生D.說，目前大多數的臭氧預測模型都沒有納入人工智能，可以用幾個小時來預測未來的臭氧水平，而不是新模型只需要幾秒鐘。他們也不那么準確；研究人員報告他們的模型正確地預測了臭氧水平在85%到90%的時間提前24小時。

Choi說，關鍵的不同之處在于使用卷積神經網絡，這種網絡能夠“掃描”數據，并利用它根據所學知識形成假設。他說，卷積網絡通常用于提高成像分辨率。崔和賽義德說，利用網絡提取信息，然后利用人工智能從這些數據中做出預測是一個新的應用，說明了網絡收集信息和根據這些信息做出推論的能力的力量。

研究人員使用了德克薩斯州環境質量委員會在休斯頓和德克薩斯州其他地方的21個站點收集的氣象和空氣污染數據，代表了2014年至2017年期間的狀況。賽義德說，他們使用氣象數據-溫度、氣壓、風速和其他變量-為每天編程卷積神經網絡，并增加了2014、2015和2016年每個站的臭氧測量。

為了測試他們相信該模型能夠預測前一天的氣象條件下的臭氧水平，他們添加了2017年的天氣數據，并檢查了網絡產生的預測的準確性。

該模型的預測準確率達到了90%，Choi表示，隨著網絡的不斷學習，隨著時間的推移，它將變得更加準確。

盡管測試是利用德克薩斯州的數據進行的，但研究人員說，這種模型可以在世界任何地方使用。“美國在地理上與東亞不同，”崔天凱說，“但臭氧創造的物理和化學是一樣的。”

賽義德說，研究人員目前正在努力擴大該模型，以包括對其他類型污染物的預測，包括顆粒物，以及將時間延長到24小時以上。