Investigadores de la Universidad de Houston han desarrollado un sistema de pronóstico de ozono basado en inteligencia artificial, que permitiría a las áreas locales predecir los niveles de ozono con 24 horas de anticipación.
Eso mejoraría las alertas de salud para las personas con mayor riesgo de desarrollar problemas debido a los altos niveles de ozono.
Yunsoo Choi, profesor asociado en el Departamento de Ciencias de la Tierra y la Atmósfera y autor correspondiente de un artículo que explica el trabajo, dijo que construyeron un modelo artificialmente inteligente utilizando una red neuronal convolucional, que puede tomar información de las condiciones actuales y predecir con precisiónniveles de ozono para el día siguiente. El trabajo fue publicado en la revista Redes neuronales .
"Si conocemos las condiciones de hoy, podemos predecir las condiciones de mañana", dijo Choi.
El ozono es un gas inestable, formado por una reacción química cuando la luz solar se combina con óxidos de nitrógeno NOx y compuestos orgánicos volátiles, los cuales se encuentran en las emisiones de automóviles e industriales. Puede causar problemas respiratorios en personas y personas especialmente susceptiblesal ozono, incluidas las personas con asma, los ancianos y los niños pequeños, se recomienda reducir su exposición cuando los niveles de ozono son altos.
Alqamah Sayeed, primer autor del artículo y estudiante de doctorado en el Laboratorio de modelado y pronóstico de la calidad del aire de Choi, dijo que la mayoría de los modelos actuales de pronóstico del ozono no incorporan inteligencia artificial y pueden tomar varias horas para predecir los niveles futuros de ozono, más bienque solo unos segundos para el nuevo modelo. También son menos precisos; los investigadores informaron que su modelo predijo correctamente los niveles de ozono con 24 horas de anticipación entre el 85% y el 90% del tiempo.
Choi dijo que una diferencia clave es el uso de redes neuronales convolucionales, redes capaces de "barrer" datos y usarlos para formar suposiciones basadas en lo que ha aprendido. Las redes convolucionales generalmente se usan para mejorar la resolución de imágenes, dijoChoi y Sayeed dijeron que usar las redes para extraer información y luego usar inteligencia artificial para hacer predicciones a partir de esos datos es una nueva aplicación, que ilustra la fortaleza de la capacidad de las redes para recopilar información y hacer inferencias basadas en esa información.
Los investigadores utilizaron datos meteorológicos y de contaminación del aire recopilados en 21 estaciones en Houston y en otros lugares de Texas por la Comisión de Calidad Ambiental de Texas, que representan condiciones entre 2014 y 2017. Sayeed dijo que programaron las redes neuronales convolucionales utilizando datos meteorológicos - temperatura,presión barométrica, velocidad del viento y otras variables, para cada día, y medidas de ozono adicionales de cada estación para 2014, 2015 y 2016.
Para probar su creencia de que el modelo podría predecir los niveles de ozono dadas las condiciones meteorológicas del día anterior, agregaron datos meteorológicos para 2017 y verificaron los pronósticos que la red produjo para la precisión.
Las previsiones del modelo alcanzaron un 90% de precisión, y Choi dijo que se volverá más preciso con el tiempo, a medida que la red continúe aprendiendo.
Aunque las pruebas se realizaron con datos de Texas, los investigadores dijeron que el modelo podría usarse en cualquier parte del mundo. "Estados Unidos es geográficamente diferente del este de Asia", dijo Choi, "pero la física y la química de la creación de ozono son las mismas"."
Sayeed dijo que los investigadores están trabajando actualmente para expandir el modelo para incluir predicciones de otros tipos de contaminantes, incluidas las partículas, así como para extender el período de tiempo más allá de las 24 horas.
Fuente de la historia :
Materiales proporcionado por Universidad de Houston . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :