به گزارش خبرگزاری ایمنا، رضا مدرس امروز _چهارشنبه ششم اسفند_ در آیین اختتامیه دومین رویداد دادهکاوی دادههای هفت ساله کیفیت هوای اصفهان با اشاره به روند اجرای پروژه پیشبینی شاخص کیفیت هوا اظهار کرد: هدف اصلی این طرح پیشبینی شاخص کیفیت هوای شهر اصفهان برای ساعتها و روزهای آینده است که در حال حاضر حدود ۷۰ تا ۸۰ درصد مراحل آن پیشرفت کرده و اکنون وارد فاز پیشبینی ساعتی شدهایم.
وی افزود: دادههایی که در این پروژه مورد استفاده قرار گرفت، مربوط به ۱۳ ایستگاه سنجش آلودگی هوا بود که در گام نخست، تمرکز ما بر شناسایی و پر کردن گپهای اطلاعاتی و دادههای مفقود قرار داشت، بهطوری که برای هر ایستگاه مشخص شد چه متغیرهایی در دسترس بوده و چه دادههایی وجود نداشته است.
عضو هیئت علمی دانشگاه صنعتی اصفهان با تأکید بر اینکه ارتباط بین متغیرهای مختلف آلودگی هوا مبنای تکمیل دادهها قرار گرفت، تاکید کرد: شاخصهایی نظیر PM2.5، NOx و سایر آلایندهها بررسی شد و برای پر کردن دادههای گمشده، از ارتباط بین ایستگاهها و گروهبندی ایستگاههایی با رفتار مشابه استفاده کردیم.
مدرس گفت: پس از دستهبندی ایستگاهها، با بهرهگیری از مدلهای شبکهای تلاش شد گپهای اطلاعاتی موجود بهصورت علمی و قابل اتکا تکمیل شود که در مرحله آموزش، دقت برخی پارامترها از جمله دادههای مونوکسیدکربن در ایستگاه ۲۵ آبان به عدد ۹۷ درصد رسید.
وی ادامه داد: پس از تکمیل دادهها و دستیابی به نتایج قابل قبول، توسعه مدل شبکه برای پیشبینی شاخص کیفیت هوا انجام شد و برای ارزیابی دقت مدل، چندین شاخص آماری از جمله شاخص C و همچنین دقت عددی API و دقت طبقهبندی کلاسهای شاخص مورد بررسی قرار گرفت.
عضو هیئت علمی دانشگاه صنعتی اصفهان خاطرنشان کرد: در ارزیابیها، علاوه بر مقایسه مقادیر واقعی و پیشبینیشده، صحت پیشبینی کلاسهای مختلف شاخص کیفیت هوا نیز بررسی شد، چراکه شاخص کیفیت هوا به شش طبقه از سالم تا ناسالم طبقهبندی میشود و دقت این طبقهبندی اهمیت زیادی دارد.
مدرس گفت: نتایج بهدستآمده برای ایستگاههای مختلف نشان داد که تطبیق کلی بین مقادیر واقعی و پیشبینیشده مناسب است، بهویژه در پیشبینیهای یک تا سهساعته که بالاترین دقت را به خود اختصاص دادهاند.
وی افزود: در پیشبینیهای چهار، پنج و شش ساعته نیز اگرچه با افزایش افق زمانی، دقت مدل کاهش مییابد، اما روند تغییرات و نوسانات شاخص کیفیت هوا تا حد زیادی با مقادیر واقعی همخوانی دارد و این موضوع برای مدیریت بحران بسیار حائز اهمیت است.
عضو هیئت علمی دانشگاه صنعتی اصفهان با تأکید بر اهمیت کاربردی این نتایج، تاکید کرد: یکی از اهداف اصلی ما این بود که در زمان بروز آلودگی هوا و تشکیل ستاد بحران، امکان پیشبینی چند ساعت آینده وجود داشته باشد تا تصمیمگیری درباره تعطیلیها یا اجرای سایر برنامههای مدیریتی با آگاهی بیشتری انجام شود.
مدرس گفت: بررسی صحت پیشبینی کلاسهای مختلف نشان داد که برای وضعیت «متوسط» دقت پیشبینی به ۹۱.۴ درصد میرسد، در حالی که برای کلاس «ناسالم برای گروههای حساس» این عدد حدود ۷۱.۴ درصد است که در مجموع، عملکرد مدل در سطح متوسط تا خوب ارزیابی میشود.
وی ادامه داد: بهطور کلی، درصد پیشبینی نادرست کلاسها بین ۲۵ تا ۳۰ درصد است و بیشترین دقت مربوط به پیشبینیهای یک و دو ساعته است، ضمن اینکه در این پروژه از دادههای ایستگاه هواشناسی شرق اصفهان نیز بهعنوان دادههای هواشناسی استفاده شد.
عضو هیئت علمی دانشگاه صنعتی اصفهان خاطرنشان کرد: تاکنون پیشبینیها در مقیاس ساعتی و صنعتی انجام شده و در ماههای آینده تلاش خواهیم کرد به سمت پیشبینی روزانه حرکت کنیم، هرچند پیشبینی روزانه به دلیل تغییرات شدید اقلیمی و محیطی، چالشهای بیشتری دارد.
مدرس گفت: برنامهریزی شده است که کدها و شبکه عصبی توسعهیافته روی سامانه شهرداری مستقر شود تا پیشبینی شاخص کیفیت هوا بهصورت منظم و ساعتی در اختیار مدیریت شهری و ستاد بحران قرار گیرد.
وی افزود: برای تداوم و پایداری این سامانه، لازم است دادههای هواشناسی بهصورت منظم و بلندمدت تأمین شود، چراکه اگر قرار باشد این سیستم بهصورت اصولی حداقل پنج سال آینده فعال بماند، دسترسی مستمر به دادههای بهروز ضروری است.
عضو هیئت علمی دانشگاه صنعتی اصفهان خاطرنشان کرد: پس از گذشت چند سال از اجرای مداوم سامانه، باید مجدداً دقت مدلها ارزیابی و بازبینی شود، زیرا الگوریتمهای هوش مصنوعی با دریافت دادههای جدید نیازمند بهروزرسانی هستند تا دقت پیشبینیها حفظ و تقویت شود.
نظر شما