Как система поможет промышленным предприятиям контролировать риски загрязнений
Ученые создали систему прогнозирования пространственного распределения вредных веществ в воздухе с помощью искусственного интеллекта. Ее могут использовать для комплексного планирования и контроля рисков загрязнений атмосферного воздуха для промышленных предприятий, а также для оценки достоверности датчиков и приборов экомониторинга. Программу уже проверили на данных более чем с 20 реальных точек контроля в Москве, Новосибирске, Перми и Челябинске. В подавляющем большинстве случаев построенные прогнозы оказались точнее тех, что были получены на основе существующих моделей.
Своя атмосфера
Ученые НИУ ВШЭ разработали систему, которая, используя искусственный интеллект, может предсказать, как вредные вещества распространяются в атмосфере. Как рассказали «Известиям» специалисты, ее смогут использовать промышленные предприятия для контроля выбросов. Также программу можно применять для оценки достоверности датчиков и приборов экомониторинга.
— Блок ИИ может выявить тренды и сезонность в динамике выбросов, аномалии в данных, закономерности в сложных компонентах профилей концентраций — характерных признаках. Такой прогноз хорошо улавливает систематические высокочастотные составляющие, он более устойчив к изменению режима работы предприятий, даже если оборудование работает с небольшими отклонениями по времени от предыдущего дня, — рассказал научный сотрудник научно-учебной лаборатории междисциплинарных эмпирических исследований НИУ ВШЭ в Перми Алексей Кычкин.
Обучение модели занимает порядка 10 минут, при этом каждый новый прогноз рассчитывается моментально — в течение секунды, отметил разработчик. В подавляющем большинстве случаев построенные прогнозы оказались точнее тех, что получены на основе существующих моделей рассеивания.
Прогноз с погодой
Работу системы можно представить в виде нескольких основных стадий изучения данных, получаемых со станций контроля качества воздуха. Первичные сведения преобразуются в корректный для дальнейшей обработки формат, что позволяет исследователям применять различные модели прогнозирования.
— С помощью моделей краткосрочного прогнозирования мы можем получать значения концентраций определенного вещества для следующего дня. Также существует необходимость понимать то, как двигается выброс при известных физических параметрах: температуре, скорости и направлении ветра и так далее. Для решения этой задачи применяются модели рассеивания. Они позволяют, заранее зная источник и параметры вещества, построить прогноз распространения этих веществ на определенной территории и в определенное время, — сообщил стажер-исследователь научно-учебной лаборатории междисциплинарных эмпирических исследований НИУ ВШЭ в Перми Игорь Черницин.
При этом учитывается динамика погодных условий во время выброса. Механика построения различных типов прогнозов дает возможность решать задачу идентификации источника, когда известны только значения наблюдений и погодные условия. Интеллектуальная модель позволяет построить путь от точки фиксации выброса до предполагаемого источника и смоделировать этот выброс. Таким образом, все стадии обработки исходных данных наблюдений связаны между собой и позволяют решать различные задачи.
Проверка прогнозирования выбросов с использованием блока ИИ проводилась по ряду вредных веществ, в том числе по частицам пыли PM2.5, на данных более чем с 20 реальных точек контроля в Москве, Новосибирске, Перми и Челябинске.
Цена вопроса
Распределение загрязняющих веществ в воздухе определяется с помощью моделирования и сейчас, отметил доцент департамента экологической безопасности и менеджмента качества продукции Института экологии Российского университета дружбы народов имени Патриса Лумумбы Владимир Пинаев. Для оценки распределения таких веществ и его графического отображения существуют различные программы, которые используются при подготовке проектной документации.
— Использование искусственного интеллекта — это попытки усовершенствовать этот процесс, — подчеркнул он.
Сама по себе технология интересная, но, как и все новые методы, требуют апробации на практике и сравнения с существующими альтернативами, отметила заместитель директора Института экологии РУДН Ирина Головачева.
— Вопрос стоимости всегда ключевой. Тенденция последних лет — это не только моделирование распространения выбросов, но и их мониторинг в режиме реального времени. Для корректной оценки предложенной технологии ее необходимо апробировать на реальных данных и сравнить результаты с уже зарекомендовавшими себя программами пространственного распространения выбросов загрязняющих веществ, — сказала она.
Современный экологический мониторинг атмосферного воздуха для промышленных предприятий — это не только инструмент ограничения, но и ключ к росту эффективности производства, уверены разработчики. Для этого инструменты прогнозирования распределения вредных веществ действительно необходимо усовершенствовать до уровня работы в динамике. Это позволяет оптимизировать технологические процессы и своевременно выявлять аварии. Например, утечки или возгорания опасных газов и обрывы трубопроводов.
Исследования проводились в Центре искусственного интеллекта НИУ ВШЭ, созданном по федеральному проекту «Искусственный интеллект» национального проекта «Цифровая экономика».
