Изкуственият интелект е подобрил прогнозирането на замърсяването на озоновия слой

Изследователи от Китайската академия на науките са разработили иновативен модел за прогнозиране на замърсяването с приземен озон, базиран на усъвършенствани методи за изкуствен интелект. Групата, ръководена от професор Сие Пингхуа от Института по физически науки в Хефей, е приложила хибриден модел на невронна мрежа CNN-LSTM, който позволява да се вземат предвид както пространствените, така и времевите характеристики на метеорологичните процеси.

Проучването, публикувано в Environmental Science & Technology, демонстрира нови възможности относно прогнозирането на високи концентрации на озон в атмосферата, особено в районите на Севернокитайската равнина и делтата на река Яндзъ. Тези региони често преживяват значително повишаване на нивата на приземния озон през лятото, което се отразява негативно върху общественото здраве и качеството на околната среда.

Приземният озон е труден за прогнозиране замърсител, тъй като концентрацията му се влияе от редица фактори, включително температура на въздуха, атмосферна влажност, слънчева активност, облачност и дори атмосферна циркулация. Традиционните числени модели не винаги са в състояние ефективно да предскажат пиковите концентрации поради сложността и високите изчислителни разходи. В същото време, класическите подходи за машинно обучение често не отчитат пространствено-времевия контекст на явлението.

Моделът CNN-LSTM, разработен от китайските учени, съчетава предимствата на конволюционните невронни мрежи, които добре обработват пространствените характеристики на данните, и мрежите с дългосрочна и краткосрочна памет (LSTM), които ефективно анализират времевите последователности. В резултат на това се постига висока точност на прогнозиране: вероятността за точно прогнозиране на високите концентрации на озон (160 μg/m3) е 83% за Севернокитайската равнина и 56% за делтата на река Яндзъ.

Освен това, моделът успешно е оценил въздействието на явления като движението на тайфуните върху регионалните концентрации на озон, потвърждавайки потенциала му за използване в различни сценарии и за ранно предупреждение на населението.

Както отбелязва ръководителят на изследването, професор Сие Пингхуа, новият подход позволява по-точно прогнозиране на събитията с високи нива на приземен озон, като по този начин подобрява способността за навременно предупреждение и управление на рисковете от замърсяване на атмосферата.