Pesquisadores da Universidade de Houston desenvolveram um sistema de previsão de ozônio baseado em inteligência artificial, o que permitiria às áreas locais prever os níveis de ozônio com 24 horas de antecedência.

Isso melhoraria os alertas de saúde para pessoas com alto risco de desenvolver problemas devido aos altos níveis de ozônio.

Yunsoo Choi, professor associado do Departamento de Ciências da Terra e Atmosféricas e autor para correspondência de um artigo explicando o trabalho, disseram que construíram um modelo artificialmente inteligente usando uma rede neural convolucional, que é capaz de obter informações das condições atuais e prever com precisão os níveis de ozônio para o dia seguinte. O trabalho foi publicado na revista Redes neurais .

“Se conhecermos as condições de hoje, podemos prever as condições de amanhã, "Choi disse.

O ozônio é um gás instável, formado por uma reação química quando a luz solar se combina com óxidos de nitrogênio (NOx) e compostos orgânicos voláteis, ambos são encontrados em emissões automotivas e industriais. Pode causar problemas respiratórios nas pessoas, e aqueles especialmente suscetíveis ao ozônio, incluindo pessoas com asma, idosos e crianças pequenas - são aconselhados a reduzir sua exposição quando os níveis de ozônio estiverem altos.

Alqamah Sayeed, primeiro autor no artigo e um Ph.D. estudante do Laboratório de Modelagem e Previsão da Qualidade do Ar de Choi, disse que a maioria dos modelos atuais de previsão de ozônio não incorporam inteligência artificial e podem levar várias horas para prever os níveis futuros de ozônio, em vez de apenas alguns segundos para o novo modelo. Eles também são menos precisos; os pesquisadores relataram que seu modelo previu corretamente os níveis de ozônio com 24 horas de antecedência, entre 85% e 90% do tempo.

Uma diferença fundamental, Choi disse, é o uso de redes neurais convolucionais, redes capazes de "varrer" dados e usá-los para formar suposições com base no que aprendeu. As redes convolucionais são geralmente usadas para melhorar a resolução de imagem, ele disse. Choi e Sayeed disseram que usar as redes para extrair informações e, em seguida, usar inteligência artificial para fazer previsões a partir desses dados é uma nova aplicação, ilustrando a força da capacidade das redes de coletar informações e fazer inferências com base nessas informações.

Os pesquisadores usaram dados meteorológicos e de poluição do ar coletados em 21 estações em Houston e em outras partes do Texas pela Comissão de Qualidade Ambiental do Texas, representando as condições entre 2014 e 2017. Sayeed disse que programou as redes neurais convolucionais usando dados meteorológicos - temperatura, pressão barométrica, velocidade do vento e outras variáveis ​​- para cada dia, e adicionamos medições de ozônio de cada estação para 2014, 2015 e 2016.

Para testar sua crença de que o modelo seria capaz de prever os níveis de ozônio, dadas as condições meteorológicas do dia anterior, eles adicionaram dados meteorológicos para 2017 e verificaram a precisão das previsões que a rede produziu.

As previsões do modelo alcançaram 90% de precisão, e Choi disse que se tornará mais preciso com o tempo, à medida que a rede continua a aprender.

Embora os testes tenham sido feitos usando dados do Texas, os pesquisadores disseram que o modelo pode ser usado em qualquer lugar do mundo. "Os EUA são geograficamente diferentes do Leste Asiático, "Choi disse, "mas a física e a química da criação do ozônio são as mesmas."

Sayeed disse que os pesquisadores estão trabalhando atualmente para expandir o modelo para incluir previsões de outros tipos de poluentes, incluindo material particulado, bem como estender o período de tempo para além de 24 horas.