وقتی یادگیری عمیق، كیفیت هوا را پیش بینی می كند
پژوهشگران آمریکایی در بررسی جدید خود، از الگوریتم های یادگیری عمیق جهت بررسی کیفیت هوا کمک گرفته اند.
به گزارش گوپا به نقل از ایسنا و به نقل از ساینس دیلی، آلودگی هوای ناشی از سوزاندن سوخت های فسیلی، سلامت انسان را تحت تاثیر قرار می دهد اما پیش بینی سطح آلودگی در زمان و مکان مشخص، یک چالش باقی مانده است. گروهی از دانشمندان آمریکایی اهتمام دارند یادگیری عمیق را برای بهبود بررسی کیفیت هوا به کار بگیرند. شاید نتایج این پژوهش بتواند به بررسی عوامل اقتصادی مانند خلاقیت صنعتی و عوامل سلامتی مانند تغییرات بستری شدن تحت تاثیر سطح آلودگی کمک نماید.
"مانژو یو"(Manzhu Yu)، استادیار "دانشگاه پنسیلوانیا"(Penn State) و از پژوهشگران این پروژه اظهار داشت: کیفیت هوا یکی از معضلات بزرگ نواحی شهری است که زندگی مردم را تحت تاثیر قرار می دهد. بررسی های فعلی برای ارائه اطلاعات جامعی که بتوانند به جمعیت لطمه پذیر کمک کنند، کافی نیستند.
بررسی های زمینی و ماهواره ای، آلودگی هوا را اندازه گیری می کنند اما این بررسی ها محدود هستند. برای نمونه، ماهواره ها ممکنست هر روز در یک زمان مشخص از یک مکان معین عبور کنند و نحوه تغییر انتشار آلودگی در ساعات متفاوت را از دست بدهند. ایستگاه های زمینی بررسی آب و هوا، داده ها را بصورت مداوم جمع آوری می کنند اما این کار را تنها در مکان های محدودی انجام می دهند.
پژوهشگران برای برطرف نمودن این مشکل، از یادگیری عمیق استفاده کردند تا رابطه میان بررسی ماهواره ای و زمینی نیتروژن دی اکسید را در لس آنجلس تجزیه و تحلیل کنند.
یو افزود: مشکلی که هم اکنون وجود دارد، این است که سطح نیتروژن دی اکسید طی یک روز متفاوت می باشد اما ما محصولی برای ردیابی ساعتی آلودگی هوای شهر نداشته ایم. ما با مقایسه بررسی های سطحی و ماهواره ای می توانیم بررسی هایی با وضوح بالاتر مکانی و زمانی ارائه دهیم.
درک این رابطه به پژوهشگران امکان داد تا بررسی های ماهواره ای را بصورت روزانه انجام دهند و سطح نیتروژن دی اکسید جو را در هر ساعت تخمین بزنند.
یو اظهار داشت: چالش پیش روی ما این است که بتوانیم رابطه ای را میان بررسی های انجام شده از سطح زمین و بررسی های ماهواره ای تروپوسفر انجام دهیم. یادگیری عمیق در اینجا به کار می آید.
الگوریتم های یادگیری عمیق مانند مغز انسان کار می کنند و چندین لایه از نورون های مصنوعی را برای پردازش داده ها و ایجاد الگوها نشان می دهند. این سیستم بر طبق ارتباطاتی که در میزان قابل توجهی از داده ها می یابد، یاد می گیرد و خودرا آموزش می دهد.
پژوهشگران دو الگوریتم یادگیری عمیق را آزمایش کردند و دریافتند الگوریتمی که به مقایسه مشاهدات زمینی با مشاهدات ماهواره ای می پردازد، سطح نیتروژن دی اکسید را دقیق تر پیش بینی می کند. افزودن اطلاعاتی مانند داده های هواشناسی، ارتفاع و موقعیت ایستگاه های زمینی، جاده ها و نیروگاه های اصلی، دقت پیش بینی را بیشتر بهبود می بخشد.
یو اظهار داشت: شاید بتوان این پژوهش را جهت بررسی گازهای گلخانه ای تکرار کرد و آنرا در شهرهای متفاوت یا در مقیاس های منطقه ای و قاره ای به کار گرفت. بعلاوه شاید بتوان با پرتاب ماهواره های جدید و وضوح بالا، این مدل را به روزرسانی کرد.
وی ادامه داد: نتایج پژوهش ما با وضوح زمانی- مکانی بالا، بررسی رابطه میان کیفیت هوا و مشکلات حوزه سلامت را سهولت می بخشند و به درک نکامل پویای آلاینده های هوا کمک می کنند.
این پژوهش، در مجله "Science of the Total Environment" به چاپ رسید.
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب