Новий штучний інтелект передбачає сплески озонового забруднення

Китайські вчені розробили нову модель прогнозування концентрації озону

Джерело: phys.org

Команда дослідників під керівництвом професора Сє Піньхуа з Інститутів фізичних наук Хефея Китайської академії наук створила нову модель прогнозування концентрації озону на поверхні в регіонах Північнокитайської рівнини (NCP) і дельти річки Янцзи (YRD). Модель використовує послідовну згорткову рекурентну нейромережу з довготривалою пам’яттю (CNN-LSTM), яка інтегрує просторово-часові метеорологічні характеристики, долаючи ключові обмеження існуючих методів прогнозування.

Результати дослідження, опубліковані в журналі Environmental Science & Technology, пропонують новий технічний підхід до раннього попередження про озонове забруднення.

Озон на поверхні землі є одним із головних літніх забруднювачів повітря, часто асоціюється з високими температурами та низькою вологістю. Водночас рівень озону залежить і від складних метеорологічних чинників, таких як атмосферна циркуляція, сонячне випромінювання, висота приземного шару атмосфери та хмарність. Це ускладнює точне прогнозування. Звичайні моделі машинного навчання часто ігнорують просторово-часову динаміку, а чисельні моделі мають високу обчислювальну складність і обмежену здатність передбачати періоди високої концентрації озону.

У цьому дослідженні вчені створили багатомасштабну модель зіставлення, яка використовує прогностичні метеодані та архітектуру CNN-LSTM. Завдяки включенню метеорологічних полів на різних просторово-часових масштабах модель досягла високої точності: рівень виявлення подій із високою концентрацією озону (MDA8 ≥ 160 мкг/м³) становив 83% у NCP та 56% у YRD, а коефіцієнт детермінації R² перевищив 0,85 для щоденних змін озону.

Модель також змогла кількісно оцінити вплив зміщення тайфунів на рівні озону в регіонах, що підтверджує її надійність.

«Ми отримали чіткіше уявлення про те, як погодні умови впливають на озонове забруднення, що суттєво допоможе в покращенні систем раннього попередження у дні з високим ризиком», — зазначив професор Сє Піньхуа.