“新的AI深度学习模型允许更早 更准确的臭氧警告”

休斯敦大学的研究人员开发了基于人工智能的臭氧预报系统，使当地能够全天候快速预测臭氧水平。

这会提高臭氧水平高的人的健康警报，使他们发生问题的可能性变高。

地球与大气科学系副教授崔润s(yunsoochoi )是这篇论文的通信作者，他说，利用卷积神经网络，从当前情况中获取新闻，建立了能够准确预测臭氧水平次日的体工智能模型。 这项工作发表在《神经网络》杂志上。

崔先生说。 “如果知道今天的情况，就能预测明天的情况。

臭氧是一种不稳定的气体，当天光与氮氧化物( nox )和挥发性有机化合物结合后会发生化学反应，两种污染物都存在于汽车和工业排放中。 它会引起人的呼吸系统问题，特别是易患臭氧的人(包括哮喘患者、老年人和幼儿)，建议在臭氧水平高时减少接触。

这篇论文的第一位作者，即获得博士学位的alqamah sayeedchoi的空有气体质量预测和建模实验室的学生，现在的臭氧预测模型大多没有整合人工智能，预测未来的臭氧水平而不是新模型需要几秒钟？ 那些也不太准确。 研究人员报告说，他们的模型可以在85%到90%的时间内全天候准确预测臭氧水平。

choi表示，一个重要的区别是采用卷积神经互联网，即可以扫描数据并根据其知识做出假设的互联网。 他说，卷积互联网一般用于提高图像分辨率。 choi和sayeed表示，利用互联网提取新闻，利用人工智能从数据中进行预测是一种新的应用，证明了互联网收集新闻，根据该新闻进行推断的能力优势。

研究人员采用了德克萨斯州环境质量委员会在休斯敦和德克萨斯州其他地方的21个网站收集的气象和空气体污染数据，这些数据代表了全年的情况。 据sayeed称，他们利用气象数据编程了卷积神经互联网。 温度、大气压、风速、其他变量-每天都增加了各站点的臭氧测量值。

为了验证他们对这个模型可以根据前一天的气象条件预测臭氧水平的看法，他们增加了年的天气数据，检查了互联网生成的预报的准确性。

该模型的预测达到90%的精度，choi表示随着互联网学习的深入，会随着时间的推移变得更加准确。

测试是使用德克萨斯州的数据进行的，但是研究人员说这个模型可以在世界任何地方采用。 崔先生说:“美国在地理上与东亚不同，但臭氧产生的物理和化学是相同的。

赛义德说，研究人员目前正在努力扩展模型，以延长到全天候以上，包括对包括颗粒物在内的其他类型污染物的预测。

本文：《“新的AI深度学习模型允许更早 更准确的臭氧警告”》