Wetenschappers van Duke University hebben een hulpmiddel voor kunstmatige intelligentie ontwikkeld dat daarbij zal helpen
De auteurs van de nieuwe AI-tool zijn vooral geïnteresseerd in het detecteren van niveaus van PM2,5-deeltjes.
PM2.5 zijn vaste deeltjes kleiner dan 2,5 micron. Hun diameter is 30 keer kleiner dan die van een mensenhaar. Deze omvatten een mengsel van stofdeeltjes, as, roet, evenals sulfaten en nitraten die in de lucht zweven. Het zijn deze stoffen die de troebelheid van de lucht veroorzaken, typisch voor de centra van de grootste stedelijke gebieden.
Deeltjes PM2.5 kunnen diep in de luchtwegen klimmen en zich in de longen nestelen. Inademing van deze deeltjes kan irritatie van de ogen, neus, keel of longen veroorzaken, evenals aanvallen van hoesten, loopneus en verstikking. Maar daarmee is het gevaar van hun impact niet uitgeput. De PM2.5-deeltjesconcentratiesnelheid van de Wereldgezondheidsorganisatie is 25 microgram per kubieke meter. Het overschrijden van deze limiet kan de normale werking van de longen verstoren en de ontwikkeling van vele gevaarlijke ziekten veroorzaken, zoals longkanker, luchtweginfecties en hart- en vaatziekten.
Er is gekozen voor een nieuw algoritme voor kunstmatige intelligentiedeze satellietbeelden zijn kwart zo groot als lokale hotspots (boven) en coole plekken (onder) voor de luchtvervuiling in Peking. Krediet: Tongshu Zheng, Duke University.
Wereldwijde ziektelast voor 2020Naar verluidt leeft 90% van de wereldbevolking in gebieden waar PM2,5 gevaarlijk is voor de gezondheid. Tegelijkertijd zijn er in de meeste steden geen meetstations op de grond vanwege de hoge kosten.
Bovendien geven ze slechts een algemeen beeld.over de omstandigheden van luchtverontreiniging in een bepaalde regio, maar voor inwoners van verschillende delen van de stad zijn deze gegevens nutteloos. Om het probleem op te lossen, hebben wetenschappers een instrument gemaakt om PM2.5 te meten in het bereik van 300 meter (stadsblok).
Een nieuw kunstmatige intelligentie-algoritme heeft verschillende hotspots en coole plekken met luchtvervuiling in Delhi geïdentificeerd. Krediet: Duke University School of Nursing.
Met behulp van satellietgegevens, weerindicatoren enOnderzoekers van machine learning hebben een algoritme getraind om automatisch warme en koele plekken van luchtvervuiling te vinden. De ontwikkelaars gebruikten de techniek van resterend leren. Het algoritme schat eerst de PM2,5-niveaus op basis van alleen weergegevens. Vervolgens meet het het verschil tussen deze schattingen en de werkelijke deeltjesniveaus. Hierdoor leert het algoritme satellietbeelden te gebruiken om voorspellingen te verbeteren.
Lees verder
Het werd duidelijk waarom wetenschappers de verkeerde planeten geschikt noemen voor leven
De eerste nauwkeurige kaart van de wereld is gemaakt. Wat is er mis met de rest?
Ze ondersteunen het universum: hoe de vier belangrijkste natuurkrachten werken