Tools

Site ExplorerSite Explorer
Close site explorer

Прогноз повітря

27 червня 2018 р.

7 мільйонів чоловік, згідно з даними ВООЗ, щорічно вмирають від наслідків забруднення повітря

Інтелектуальне програмне забезпечення на базі штучних нейронних мереж дозволяє точно прогнозувати рівень забруднення повітря у великих містах на кілька днів вперед.

Міста завжди були двигунами промислового зростання і відкривали для жителів можливості для працевлаштування і матеріального добробуту. До 2050 року 70% населення світу буде жити в містах, майже стільки ж, скільки живе на Землі сьогодні.

Однак швидко проявляється зворотна сторона такої урбанізації: бум населення є величезним викликом для міської інфраструктури, яка в багатьох містах досягла межі своїх можливостей. Сьогодні більше 50% населення світу заселяють трохи менше двох відсотків земної поверхні. Результат: сучасні міські агломерації зі своїм транспортом, промисловістю і попитом на електроенергію є причиною 70% світових викидів парникових газів.

Міста в буквальному сенсі слова створюють густе повітря. І це дуже погано для жителів: згідно з аналізом Всесвітньої організації охорони здоров'я (ВООЗ), опублікованому в травні 2015 року, майже 90% міського населення світу дихає повітрям, рівень забруднення якого значно перевищує рекомендовані норми. В результаті, за даними ВООЗ, щорічно від наслідків забруднення повітря вмирає близько семи мільйонів осіб. Тобто, причиною кожної восьмої смерті в усьому світі є брудне повітря.

Але ВООЗ налаштована оптимістично. За даними організації, міста можуть значно поліпшити якість повітря за допомогою локальних заходів, наприклад, впровадження сучасних ефективних інтелектуальних інфраструктурних рішень, або за допомогою простих, швидко реалізованих заходів, таких як правила дорожнього руху або вигідні пропозиції для пішоходів і велосипедистів. В ідеалі, переважно в тих місцях, де повітря забруднене найбільше. Передумовою є інформація про розвиток процесу забруднення атмосфери в часі і просторі.

Програмне забезпечення використовує дані про погоду і викидах від 150 розкиданих по Лондону вимірювальних станцій.

Глибокі нейронні мережі

Ральф Гротманн з центрального дослідницького підрозділу корпоративних технологій Siemens приймає цей виклик. Вчений розробив прогностичні моделі, засновані на нейронних мережах, які можуть точно прогнозувати ступінь забруднення повітря у великих містах на кілька днів вперед. «Нейронні мережі - це комп'ютерні моделі, які працюють як людський мозок. В процесі тренування вони вчаться розпізнавати взаємозв'язки і на цій підставі робити прогнози», - пояснює Гротманн. Моделі побудовані на базі так званих глибоких нейронних мереж, в яких використовується кілька шарів штучних нейронів. Кожен шар відповідає за один (інший) рівень абстракції. За рахунок взаємозв'язків безлічі рівнів можна отримувати більш детальну інформацію в порівнянні з більш ранніми нейронними мережами. Все це звучить трохи як наукова фантастика, проте метод добре зарекомендував себе, в Siemens він застосовується вже багато років і в різних областях, наприклад, при прогнозуванні динаміки кон'юнктури або цін на сировину, і навіть для кількості кіловат-годин, очікуваних від поновлюваних джерел енергії .

При створенні системи прогнозування розробники Siemens спиралися на дані про погоду і викидах від 150 розкиданих по Лондону вимірювальних станцій. «За допомогою цих даних ми змогли навчити нашу систему. Зокрема, мова йде про кількість викидів таких речовин як окис вуглецю, двоокис вуглецю і оксиди азоту. Отримані значення ми зв'язали з погодними даними за той же період. Це вологість, інтенсивність сонячного випромінювання, ступінь хмарності і навіть температура», - пояснює Гротманн. Далі слід програмування календарних ефектів, що визначають відмінності в характеристиках транспортних потоків. Тобто, робочі та святкові дні, а також інформацію про такі події як, наприклад, ярмарки або спортивні заходи.

Навчання на основі досвіду

Завданням штучної нейронної мережі є використання цих даних і прогнозу погоди для прогнозування забруднення повітря певними речовинами за допомогою «навчання на основі досвіду - larning by doing». Спочатку мережа не знає, який ефект викликає кожна змінна, і прогноз сильно відрізняється від фактично виміряних викидів. Під час навчання програма за сотні ітерацій мінімізує різницю між своїм прогнозом і фактичним значенням. Вона змінює вагові коефіцієнти окремих параметрів і стає все точніше.

«Сьогодні наша система може прогнозувати забруднення повітря в 150 місцях міста з погодинною динамікою протягом трьох наступних днів з помилкою менш десяти відсотків, - запевняє Гротманн. - Наші результати дозволяють також зробити висновок про головне факторі прогнозованого забруднення». Але такий прогноз не допомагає містам боротися із забрудненням повітря. Потрібні дії. Програмне забезпечення для прогнозування допоможе реалізувати їх більш цілеспрямовано.


Програмне забезпечення Siemens дозволяє не тільки розробити необхідні заходи на транспорті, в промисловості та енергетичному секторі, а й надати розширений сервіс для громадян, які прагнуть уникати місць і часу з високим рівнем забруднення. Наприклад, жителі можуть використовувати онлайн-сервіс, щоб дізнатися, коли і де їм краще бігати підтюпцем з точки зору прогнозованого в найближчі дні забруднення повітря - і не тільки в Лондоні, але і в Мюнхені чи Берліні і в багатьох інших містах світу. «Нашу систему теоретично можна поширити на все міста - за умови, що в них вимірюється склад повітря», - робить висновок Гротманн.

Допоміжна інформація або послуга для громадян, що піклуються про своє здоров'я - в будь-якому випадку прогнозне програмне забезпечення від Siemens надає містам трамплін для стрибка в ефективне, стійке і розумне майбутнє, в якому вони запропонують своїм громадянам не тільки можливості для розвитку, зайнятості та добробуту, але і чисте повітря для дихання.