Искусственный интеллект проследит за вредными веществами
Разработана система прогнозирования их распределения в атмосфере
Ученые Высшей школы экономики разработали систему прогнозирования пространственного распределения вредных веществ в атмосферном воздухе с помощью искусственного интеллекта. Исследования проведены в Центре искусственного интеллекта НИУ ВШЭ, созданном по федеральному проекту «Искусственный интеллект» национального проекта «Цифровая экономика».
Фото: Александр Миридонов, Коммерсантъ
Фото: Александр Миридонов, Коммерсантъ
Система может быть использована для комплексного планирования и контроля рисков загрязнений атмосферного воздуха для промышленных предприятий, а также оценки достоверности датчиков и приборов экомониторинга.
Атмосферные процессы динамичны, и их состояние в каждый следующий момент времени зависит от предыдущего. Корректное прогностическое описание изменений концентраций вредных веществ в атмосфере для динамических режимов требует проведения большого числа расчетов. Динамика очень сложна с вычислительной точки зрения и требует серьезных ресурсов рабочих станций и серверов.
«ИИ может выявить тренды и сезонность в динамике выбросов, аномалии в данных, закономерности в сложных компонентах профилей концентраций — характерных признаков. Такой прогноз хорошо улавливает систематические высокочастотные составляющие, он более устойчив к изменениям в работе предприятий, даже если оборудование работает с небольшими отклонениями по времени от предыдущего дня»,— объясняет Алексей Кычкин, научный сотрудник научно-учебной лаборатории междисциплинарных эмпирических исследований НИУ ВШЭ в Перми.
Обучение модели занимает около десяти минут, при этом каждый новый прогноз рассчитывается моментально — в течение секунды. В подавляющем большинстве случаев построенные прогнозы оказались точнее тех, что получены на основе существующих моделей рассеивания. Прирост по точности был от 6% до 40% в зависимости от дня недели и времени года.
«Проверка прогнозирования выбросов с использованием блока ИИ проводилась только по ряду вредных веществ, в том числе по частицам пыли PM2.5, на данных с более чем 20 реальными точками контроля в Москве, Новосибирске, Перми и Челябинске. Были обработаны несколько миллионов измерений, при этом использованы как исторические данные за несколько лет, так и онлайн-измерения с дискретностью 20 минут. Мы настроили ежедневное обучение модели таким образом, что оно проходит рекурсивно, то есть с незначительным изменением коэффициентов, и только в ночное время»,— говорит Игорь Черницин, стажер-исследователь научно-учебной лаборатории междисциплинарных эмпирических исследований НИУ ВШЭ в Перми.
Современный экологический мониторинг атмосферного воздуха для промышленных предприятий — это не только инструмент ограничения, но и ключ к росту эффективности производства. Для этого инструменты прогнозирования распределения вредных веществ действительно необходимо усовершенствовать до уровня работы в динамике — это позволяет оптимизировать технологические процессы, своевременно выявлять аварии, например, утечки или возгорания опасных газов, обрывы трубопроводов и т. п.
Подготовлено при поддержке АНО «Национальные приоритеты»