I ricercatori dell'Università di Houston hanno sviluppato un sistema di previsione dell'ozono basato sull'intelligenza artificiale, che consentirebbe alle aree locali di prevedere i livelli di ozono con 24 ore di anticipo.

Ciò migliorerebbe gli avvisi sanitari per le persone a maggior rischio di sviluppare problemi a causa degli alti livelli di ozono.

Yunsoo Choi, professore associato presso il Dipartimento di Scienze della Terra e dell'Atmosfera e autore corrispondente di un articolo che spiega il lavoro, hanno detto di aver costruito un modello di intelligenza artificiale utilizzando una rete neurale convoluzionale, che è in grado di prendere informazioni dalle condizioni attuali e prevedere con precisione i livelli di ozono per il giorno successivo. Il lavoro è stato pubblicato sulla rivista Reti neurali .

"Se conosciamo le condizioni di oggi, possiamo prevedere le condizioni di domani, " disse Choi.

L'ozono è un gas instabile, formato da una reazione chimica quando la luce solare si combina con ossidi di azoto (NOx) e composti organici volatili, entrambi si trovano nelle emissioni automobilistiche e industriali. Può causare problemi respiratori nelle persone, e quelli particolarmente sensibili all'ozono, comprese le persone con asma, si consiglia agli anziani e ai bambini piccoli di ridurre la loro esposizione quando i livelli di ozono sono alti.

Alqamah Sayed, primo autore dell'articolo e un dottorato di ricerca. studente nel laboratorio di previsione e modellazione della qualità dell'aria di Choi, ha affermato che la maggior parte degli attuali modelli di previsione dell'ozono non incorpora l'intelligenza artificiale e può richiedere diverse ore per prevedere i futuri livelli di ozono, piuttosto che pochi secondi per il nuovo modello. Sono anche meno precisi; i ricercatori hanno riferito che il loro modello prevedeva correttamente i livelli di ozono con 24 ore di anticipo tra l'85% e il 90% delle volte.

Una differenza fondamentale, Choi ha detto, è l'uso di reti neurali convoluzionali, reti in grado di "spulciare" i dati e utilizzarli per formulare ipotesi basate su ciò che ha appreso. Le reti convoluzionali sono generalmente utilizzate per migliorare la risoluzione delle immagini, Egli ha detto. Choi e Sayeed hanno detto che usare le reti per estrarre informazioni e poi usare l'intelligenza artificiale per fare previsioni da quei dati è una nuova applicazione, illustrando la forza della capacità delle reti di raccogliere informazioni e fare inferenze sulla base di tali informazioni.

I ricercatori hanno utilizzato i dati meteorologici e sull'inquinamento atmosferico raccolti in 21 stazioni a Houston e altrove in Texas dalla Texas Commission on Environmental Quality, che rappresentano le condizioni tra il 2014 e il 2017. Sayeed ha affermato di aver programmato le reti neurali convoluzionali utilizzando dati meteorologici:temperatura, pressione barometrica, velocità del vento e altre variabili, per ogni giorno, e aggiunte misurazioni dell'ozono da ciascuna stazione per il 2014, 2015 e 2016.

Per testare la loro convinzione che il modello sarebbe in grado di prevedere i livelli di ozono date le condizioni meteorologiche del giorno precedente, hanno aggiunto i dati meteorologici per il 2017 e hanno verificato l'accuratezza delle previsioni prodotte dalla rete.

Le previsioni del modello hanno raggiunto una precisione del 90%, e Choi ha detto che diventerà più preciso nel tempo, mentre la rete continua a imparare.

Sebbene i test siano stati eseguiti utilizzando i dati del Texas, i ricercatori hanno affermato che il modello potrebbe essere utilizzato in qualsiasi parte del mondo. "Gli Stati Uniti sono geograficamente diversi dall'Asia orientale, "Cho ha detto, "ma la fisica e la chimica della creazione dell'ozono sono le stesse".

Sayeed ha affermato che i ricercatori stanno attualmente lavorando per espandere il modello per includere previsioni di altri tipi di inquinanti, compreso il particolato, nonché di estendere il periodo di tempo oltre le 24 ore.