Искусственный интеллект стал лучше прогнозировать концентрацию приземного озона

Летом приземный озон становится главной причиной загрязнения воздуха. Его появление часто связано с высокими температурами и низкой влажностью. Вместе с тем, на уровень озона влияют сложные метеорологические факторы, такие как атмосферная циркуляция, солнечная радиация, высота пограничного слоя и облачность. Эти же факторы и затрудняют точное прогнозирование. Традиционные методы машинного обучения зачастую не учитывают пространственно-временные изменения, а численные модели сталкиваются с высокими вычислительными затратами и ограниченной способностью предсказывать периоды с высокой концентрацией озона.

Учёные из Института физических наук Хэфэй при Китайской академии наук создали новую модель для прогнозирования концентрации приземного озона в Северо-Китайской равнине и дельте реки Янцзы. В основе модели лежит структура последовательной сверточной сети с длительной кратковременной памятью, которая интегрирует пространственно-временные метеорологические данные, устраняя основные недостатки существующих подходов.

В исследовании была построена многомасштабная картографическая модель с использованием прогнозных данных. Благодаря учёту метеорологических полей на различных пространственно-временных масштабах модель показала высокую точность: частота совпадений для случаев с высокой концентрацией озона (MDA8 ≥ 160 мкг/м³) составила 83% в Северо-Китайской равнине и 56% в дельте Янцзы, а коэффициент детерминации R² превысил 0,85, что отражает хорошее объяснение суточной изменчивости озона. Кроме того, модель успешно выявила влияние изменений положения тайфунов на региональные уровни озона, что подтверждает её надёжность.