۲۵ آبان ۱۴۰۵، دوشنبه تبریز ۸°
دلار۲۶۸٬۹۰۰ تومان ▲ ٪۱٫۱۶یورو۲۹۶٬۳۹۰ تومان ▲ ٪۰٫۹۶درهم۷۳٬۲۲۰ تومان ▲ ٪۰٫۷۲لیر۵٬۳۲۰ تومان ▲ ٪۰٫۵۷پوند۳۵۴٬۵۴۰ تومان ▲ ٪۰٫۹۱طلای ۱۸ عیار۲۴٬۵۶۷٬۴۰۰ تومان ▲ ٪۰٫۰۴
تبریز فوری
خبر فوری

پیش‌بینی آلودگی هوا با هوش مصنوعی با داده‌های ماهواره‌ای و زمینی

به گزارش ایسنا، اشکان زارعی، مدیر آی‌تی ایستگاه نوآوری و فناوری شریف، در گفت‌وگو با ایسنا کاربرد هوش مصنوعی در بررسی و پیش‌بینی آلودگی هوا و نقش داده‌های ماهواره‌ای و زمینی را تشریح کرد.

· ۳ دقیقه مطالعه
پیش‌بینی آلودگی هوا با هوش مصنوعی با داده‌های ماهواره‌ای و زمینی
مدل‌های هوش مصنوعی با داده‌های ماهواره‌ای و زمینی آلودگی هوا را پیش‌بینی می‌کنند.

اشکان زارعی با اشاره به کاربرد هوش مصنوعی در بررسی و پیش‌بینی آلودگی هوا اظهار کرد برای آموزش مدل‌های هوش مصنوعی در این حوزه می‌توان از مجموعه‌ای از داده‌ها استفاده کرد که بخشی از آن‌ها شامل داده‌ها و نقشه‌های ماهواره‌ای، اطلاعات مربوط به شرایط آب‌وهوایی و شاخص‌های آلودگی هواست. به گفته او، سنسورهای محلی و زمینی نیز می‌توانند در کنار این اطلاعات، داده‌های مورد نیاز را تأمین کنند.

داده‌های مورد نیاز برای آموزش مدل‌ها

زارعی با بیان اینکه داده‌های مربوط به تراکم و حجم ترافیک، فعالیت کارخانه‌ها و حتی روزهای مختلف هفته در تحلیل آلودگی هوا مؤثر هستند، افزود این اطلاعات در کنار یکدیگر و با توجه به روند زمانی تغییرات، به هوش مصنوعی کمک می‌کنند تا الگوهای موجود را یاد بگیرد و بر اساس شرایط مشابه، میزان احتمالی آلودگی هوا را در بازه‌های زمانی آینده پیش‌بینی کند.

وی ادامه داد داده‌های مربوط به روزها، ماه‌ها و سال‌های گذشته نیز می‌توانند در آموزش این مدل‌ها مورد استفاده قرار گیرند. برای مثال، اگر در یک بازه زمانی مشخص در سال گذشته پدیده وارونگی هوا رخ داده و بر میزان آلودگی تأثیر گذاشته باشد، مدل هوش مصنوعی می‌تواند با شناسایی الگوهای مشابه، این اطلاعات را در پیش‌بینی‌های بعدی خود لحاظ کند.

کیفیت داده‌ها در دقت مدل‌ها مؤثر است

زارعی درباره تأثیر کمبود داده‌های سنجشی بر عملکرد مدل‌ها بیان کرد: «هرچه داده‌های بیشتری در اختیار مدل قرار گیرد، امکان یادگیری بهتر فراهم می‌شود» اما این موضوع به‌تنهایی تعیین‌کننده نیست. وی گفت با پیشرفت مدل‌های هوش مصنوعی، تجهیزات پردازشی، پردازنده‌های گرافیکی (GPU) و زیرساخت‌های فنی، امکان آموزش مدل‌های مناسب با حجم کمتری از داده نیز فراهم شده است.

وی با تأکید بر اینکه کفایت داده‌ها به نوع مدل و فناوری مورد استفاده بستگی دارد، تصریح کرد نوع داده‌ها، تمیز و قابل اعتماد بودن آن‌ها و همچنین نرمال‌بودن داده‌ها در فرایند یادگیری اهمیت زیادی دارد. به گفته او، ممکن است تعداد بسیار زیادی مدل یا نمونه داده در اختیار باشد، اما اگر داده‌های مناسبی نباشند، به یادگیری مطلوب منجر نشوند. در مقابل، حتی هزار نمونه داده تمیز و مناسب نیز می‌تواند برای آموزش یک مدل مؤثر باشد.

تحلیل هم‌زمان عوامل متعدد در مدیریت شهری

این کارشناس هوش مصنوعی با اشاره به امکان استفاده از پیش‌بینی‌های هوشمند در مدیریت شهری اظهار کرد در حوزه شهر هوشمند، کاربردهای مختلفی برای تشخیص و پیش‌بینی وجود دارد و در موضوع آلودگی هوا نیز نمی‌توان تنها به یک عامل توجه کرد؛ بلکه باید مجموعه‌ای از شاخص‌ها و عوامل مؤثر را به‌صورت هم‌زمان مورد بررسی قرار داد.

زارعی افزود یک کارشناس انسانی ممکن است بتواند با بررسی دو یا سه شاخص، درباره وضعیت آلودگی هوا ارزیابی و پیش‌بینی انجام دهد، اما هوش مصنوعی این امکان را دارد که تعداد بیشتری از عوامل را به‌طور هم‌زمان تحلیل کند و ارتباط میان آن‌ها را شناسایی کند.

وی با بیان اینکه عواملی مانند رطوبت هوا و افزایش گردوغبار نیز ممکن است در تغییرات آلودگی تأثیرگذار باشند، گفت ممکن است در بررسی‌های معمول، برخی از این عوامل در کنار سایر شاخص‌ها به‌صورت دقیق مورد توجه قرار نگیرند، اما مدل هوش مصنوعی می‌تواند هم‌زمان ۱۰ یا ۲۰ آیتم را بررسی کند و الگوهای ارتباطی میان آن‌ها را تشخیص دهد.

این کارشناس هوش مصنوعی خاطرنشان کرد یکی از ظرفیت‌های هوش مصنوعی، همین توانایی در تحلیل هم‌زمان عوامل متعدد و انجام فرایندهای خودکار بر اساس الگوهای شناسایی‌شده است. به گفته او، این قابلیت می‌تواند در آینده به افزایش دقت پیش‌بینی‌ها در مقایسه با ارزیابی‌های انسانی کمک کند.

منبع: www.isna.ir

خبر بعدی

EBM EB تازیو؛ ابرخودروی مفهومی آفریقای جنوبی

علم و فناوری · ۲ دقیقه مطالعه

اخبار مرتبط

همه ›
علم و فناوری

کنفرانس ملی توانبخشی شناختی در دانشگاه علامه طباطبائی برگزار شد

کنفرانس ملی «توانبخشی شناختی؛ از ارزیابی تا مداخله» با حضور استادان، پژوهشگران، متخصصان و دانشجویان در دانشگاه علامه طباطبائی برگزار شد و شرکت‌کنندگان رویکردهای نوین در ارزیابی و مداخلات شناختی را بررسی کردند.

۲۵ آبان ۱۴۰۵ ۲۰:۱۷۲ دقیقه مطالعه
علم و فناوری

احیای «ایسیدو»؛ گام جهاددانشگاهی برای خیزش علمی جوانان

رئیس جهاددانشگاهی در مراسم افتتاحیه «سازمان توسعه نوآوری‌های دانشجویان جهاددانشگاهی (ایسیدو)» در دانشگاه صنعتی شریف گفت دانشجویان باید خودشان این سازمان را شکل دهند و مسیر آن را تعیین کنند.

۲۵ آبان ۱۴۰۵ ۲۰:۱۶۵ دقیقه مطالعه

اخبار بیشتر