新的人工智能深度学习模型允许更早 更准确的臭氧警告

休斯顿大学的研究人员开发了一个基于人工智能的臭氧预测系统，该系统将允许当地地区提前24小时预测臭氧水平。

这将改善由于臭氧含量高而有发展问题的高危人群的健康警报。

地球与大气科学系副教授、解释这项工作的相应作者崔云洙（Yunsoo Choi）说，他们使用卷积神经网络建立了一个人工智能模型，能够从当前条件中获取信息，准确预测第二天的臭氧水平。这项工作发表在《神经网络》杂志上。

崔天凯说：“如果我们知道今天的情况，就可以预测明天的情况。

臭氧是一种不稳定的气体，由阳光与氮氧化物（NOx）和挥发性有机化合物结合时的化学反应形成，这两种化合物都存在于汽车和工业排放中。它会导致人们的呼吸问题，而那些特别容易受到臭氧影响的人-包括哮喘患者、老年人和幼儿-被建议在臭氧水平高时减少他们的暴露。

Alqamah Sayeed，论文第一作者，博士。Choi公司的“空气质量预测与建模实验室”的学生D.说，目前大多数的臭氧预测模型都没有纳入人工智能，可以用几个小时来预测未来的臭氧水平，而不是新模型只需要几秒钟。他们也不那么准确；研究人员报告他们的模型正确地预测了臭氧水平在85%到90%的时间提前24小时。

Choi说，关键的不同之处在于使用卷积神经网络，这种网络能够“扫描”数据，并利用它根据所学知识形成假设。他说，卷积网络通常用于提高成像分辨率。崔和赛义德说，利用网络提取信息，然后利用人工智能从这些数据中做出预测是一个新的应用，说明了网络收集信息和根据这些信息做出推论的能力的力量。

研究人员使用了德克萨斯州环境质量委员会在休斯顿和德克萨斯州其他地方的21个站点收集的气象和空气污染数据，代表了2014年至2017年期间的状况。赛义德说，他们使用气象数据-温度、气压、风速和其他变量-为每天编程卷积神经网络，并增加了2014、2015和2016年每个站的臭氧测量。

为了测试他们相信该模型能够预测前一天的气象条件下的臭氧水平，他们添加了2017年的天气数据，并检查了网络产生的预测的准确性。

该模型的预测准确率达到了90%，Choi表示，随着网络的不断学习，随着时间的推移，它将变得更加准确。

尽管测试是利用德克萨斯州的数据进行的，但研究人员说，这种模型可以在世界任何地方使用。“美国在地理上与东亚不同，”崔天凯说，“但臭氧创造的物理和化学是一样的。”

赛义德说，研究人员目前正在努力扩大该模型，以包括对其他类型污染物的预测，包括颗粒物，以及将时间延长到24小时以上。