Новая модель обеспечивает улучшенные прогнозы качества воздуха в пожароопасных районах

Команда исследователей из Университета Пенсильвании разработала модель глубокого обучения, которая повышает точность прогнозов качества воздуха в регионах, подверженных лесным пожарам, и способна отличать загрязнение от пожаров от других источников. Модель под названием ST-Transformer, основанная на архитектуре Transformer, использует разреженное внимание для анализа пространственных, временных и взаимозависимых переменных, связанных с пожарами, дымом и загрязнителями воздуха.

Точное прогнозирование концентрации мелкодисперсных частиц PM_2.5, основного компонента дыма, представляет серьёзную проблему для общественного здравоохранения. Новая модель, обученная на данных станций мониторинга Агентства по охране окружающей среды США (U.S. EPA) в районе Большого Лос-Анджелеса, лучше фиксирует резкие скачки PM_2.5 во время пожаров, не занижая их уровень, и не переоценивает концентрацию в периоды без пожаров, что характерно для других моделей.

«Воздушные прогнозы для пожароопасных районов могут существенно помочь руководителям служб экстренного реагирования и специалистам общественного здравоохранения смягчить потенциально негативные последствия для окружающей среды и здоровья населения», — отметила руководитель исследования Маньчжу Ю. По её словам, модель ST-Transformer может быть адаптирована и для других областей, таких как прогнозирование качества воды или осадков. Результаты работы опубликованы в журнале Science of the Total Environment.