Et nyt kunstig intelligenssystem, der forudsiger luftforureningsniveauer

Forestil dig, at du er bange for at indånde luften omkring dig.

Et usædvanligt koncept for os her i Storbritannien, men det er en ægte bekymring for samfund over hele verden med luftforurening, der anslår at syv millioner mennesker dræber hvert år.

Et hold af dataloger fra Loughborough University håber at kunne hjælpe med at udrydde denne frygt med et nyt kunstig intelligens (AI) system, de har udviklet, som kan forudsige luftforureningsniveauet timer i forvejen.

Teknologien er ny af flere årsager, Den ene er, at den har potentiale til at give ny indsigt i de miljøfaktorer, der har væsentlig indflydelse på luftforureningsniveauet.

Professor Qinggang Meng og Dr. Baihua Li leder projektet, som er fokuseret på at bruge kunstig intelligens til at forudsige PM2,5-partikler på mindre end 2,5 mikron (10) ^-6 m) i diameter - som ofte karakteriseres som nedsat sigtbarhed i byer og diset luft, når niveauerne er høje.

Partikler er en type luftforurenende stoffer, og det er det forurenende stof med de stærkeste beviser for bekymring for folkesundheden.

Dette skyldes, at partiklerne er så små, at de nemt kan komme ned i lungerne og derefter blodbanen, resulterer i kardiovaskulær, cerebrovaskulære og respiratoriske påvirkninger.

Ifølge Miljøstyrelsen. Fødevarer og landdistrikter, der er underforstået "ingen sikker tærskel, under hvilken der ikke forventes nogen negative virkninger."

Der findes allerede systemer, der kan forudsige PM2.5, men Loughborough Universitys forskning ser ud til at tage teknologien til næste niveau.

Det system, forskerne har udviklet, er nyt for følgende aspekter:

• Den forudsiger PM2.5-niveauer på forhånd - giver forudsigelser for niveauerne om en time til flere timers tid, plus 1-2 dage frem
• Det fortolker de forskellige faktorer og data, der bruges til forudsigelse, hvilket kunne føre til en bedre forståelse af vejret, sæsonmæssige og miljømæssige faktorer, der kan påvirke PM2.5
• Det forudsiger ikke kun én figur; den forudsiger PM2.5-niveauet plus en række værdier, som luftforureningsaflæsningen kan falde inden for - kendt som 'usikkerhedsanalyse'
• Det har evnerne til at blive brugt som et luftforureningsanalyseværktøj i et CO2-kredithandelssystem.

Systemets usikkerhedsanalyse og evne til at forstå faktorer, der påvirker PM2.5, er særligt vigtige, da dette vil give potentielle slutbrugere, politiske beslutningstagere og videnskabsmænd for bedre at forstå relaterede årsager til PM2.5 og hvor pålidelig forudsigelsen er.

Dr. Yuanlin Li er forskningsassistent, der arbejder på projektet på Loughborough University. LU-teamet skabte systemet ved hjælp af maskinlæring - en type kunstig intelligens-teknologi, der bruger store mængder data til at lære regler og funktioner, så et system kan lave forudsigelser.

Forskerne brugte offentlige historiske data om luftforurening i Beijing til at træne og teste algoritmerne; Kina blev valgt som fokus, da 145 af 161 kinesiske byer har alvorlige luftforureningsproblemer.

Det udviklede system vil nu blive testet på live-data optaget af sensorer udstationeret i Shenzhen, Kina.

Systemet udviklet ved Loughborough University er en del af et bredere forskningsprojekt finansieret af Newton Fund, som har fire partnere:Satoshi Systems Ltd, Loughborough University, Shenzhen Institutes of Advanced Technology, og EEG Smart Intelligent Technology i Kina.

Målet med projektet er at udforske, hvordan kulstof kan bruges som en handelsvare for at etablere en ny effektiv økonomisk løftestang til at kontrollere emissioner.

Det er forudset, at byer, regioner og fabrikker vil få kredit for, hvor meget kulstof de kan udlede, og hvis de går over skal det 'købe' flere kreditter. Alternativt hvis et sted falder under grænsen, det kan sælge de overskydende kreditter på CO2-markedet med fortjeneste.

Målet er at integrere Loughborough Universitys PM2.5-forudsigelsesmodel på en online platform, som kan tilgås af deltagere i CO2-handelsordningen.

Dette vil give deltagerne mulighed for at bruge systemet til at få adgang til realtid, meningsfuld information om forureningsniveauer, der vil hjælpe dem med at designe en handelsstrategi.

Af forskningen, Professor Meng sagde:"Luftforurening er en langsigtet akkumuleret udfordring, som hele verden står over for, og især i mange udviklingslande.

"Projektet har til formål at måle og forudsige luftkvalitet og forureningsniveauer. Vi undersøger også muligheden for at koble realtidsinformationen om kulstofemission til ende-til-ende handel med kulstofkreditter, således dedikeret til kulstofkontrol og reduktion af drivhusgasemissioner.

"Vi håber, at denne forskning vil hjælpe med at føre til renere luft for samfundet og forbedre folks sundhed i fremtiden."

Saurabh Goyal, CEO for industripartneren Satoshi Systems Ltd, tilføjede:"Vi er imponerede og begejstrede over arbejdet udført af Loughborough University.

"Vi mener, at alle typer deltagere såsom forurenere, rengøringsmidler, market makers, hække, spekulanter, regering og politiske beslutningstagere vil finde disse data meget nyttige, før de køber eller sælger CO2-kreditter på vores platform.

"Vi er i øjeblikket under drøftelser med statslige og civile myndigheder i både Kina og Storbritannien for at etablere udvekslingen.

"Enhver, der er interesseret i at deltage i denne emissionsudvekslingsplatform kan kontakte mig på saurabh.goyal@satoshi.ltd."