• Latest
  • Öne Çıkan
Hava Kirliliğini Her Zamankinden Daha İyi Tespit Eden Algoritma

Hava Kirliliğini Her Zamankinden Daha İyi Tespit Eden Algoritma

24 Nisan 2020
Truva Atı Mekanizması

Truva Atı Mekanizması: Ağlar Cinsiyet Ayrımını Nasıl Azaltır?

18 Nisan 2021
Örümcek Ağlarından Müzik

Örümcek Ağlarından Müzik

14 Nisan 2021
3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

6 Nisan 2021
Araştırmacılar ‘Açıklanabilir’ Yapay Zeka Algoritması Geliştiriyor

Araştırmacılar ‘Açıklanabilir’ Yapay Zeka Algoritması Geliştiriyor

5 Nisan 2021
Yıldız tozundan soluk mavi noktaya: Karbon’un Dünya’ya yıldızlararası yolculuğu

Yıldız tozundan soluk mavi noktaya: Karbon’un Dünya’ya yıldızlararası yolculuğu

4 Nisan 2021
Organik Güneş Pillerinin Performansını Tahmin Etmek için Makine Öğrenimi

Organik Güneş Pillerinin Performansını Tahmin Etmek için Makine Öğrenimi

1 Şubat 2021
Mühendisler, Robotlar İçin Özelleştirilmiş “Beyinler” Tasarlıyor

Mühendisler, Robotlar İçin Özelleştirilmiş “Beyinler” Tasarlıyor

22 Ocak 2021
Biyo-İlham: Istakozlar, Daha Güçlü 3D Baskılı Beton Yapmaya Nasıl Yardımcı Olabilir?

Biyo-İlham: Istakozlar, Daha Güçlü 3D Baskılı Beton Yapmaya Nasıl Yardımcı Olabilir?

21 Ocak 2021
Mühendisler, Yerel Kuantum Ağları Oluşturmak İçin Dronları Kullanıyor

Mühendisler, Yerel Kuantum Ağları Oluşturmak İçin Dronları Kullanıyor

18 Ocak 2021
İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

İnsan-Robot İşbirliğine Dayalı Montaj Hatlarında, Göçmen Kuşlardan İlham Alan Yeni Bir Algoritma

16 Ocak 2021
Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

Kombucha Çayından İlham Alan Mühendisler, ‘Canlı Malzemeler’ Yaratıyor

11 Ocak 2021
Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

Işık Hızında Makine Öğrenimi: Yeni Çalışma, Yapay Zeka İçin Fotonik Yapıların Kullanımını Gösteriyor

7 Ocak 2021
NtboxMag
Pazartesi, Nisan 19, 2021
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya
No Result
View All Result
NTBOX Magazin
No Result
View All Result

Hava Kirliliğini Her Zamankinden Daha İyi Tespit Eden Algoritma

by Editör
24 Nisan 2020
in Yazılım
0 0
0
Hava Kirliliğini Her Zamankinden Daha İyi Tespit Eden Algoritma

Uydu görüntüleri ve hava durumu için yeni bir makine öğrenme algoritması kullanarak Pekin ve çevresindeki kirlilik seviyelerinin ayrıntılı bir haritası.  /Tongshu Zheng, Duke Üniversitesi/Phys

 Duke Üniversitesi’nden araştırmacılar; uydu görüntülerinden ve hava koşullarından başka bir şey kullanmadan küçük bir arazi parçası üzerinde hava kalitesini tahmin etmek için bir yöntem tasarladılar.  Bu tür bilgiler; araştırmacıların tehlikeli kirliliğin gizli noktalarını tespit etmelerine, kirlilik çalışmalarının insan sağlığı üzerindeki etkilerini büyük ölçüde iyileştirmesine veya öngörülemeyen olayların havadaki küresel bir salgının patlaması gibi hava kalitesi üzerindeki etkilerini ortadan kaldırmasına yardımcı olabilir.

 Duke Üniversitesi İnşaat ve Çevre Mühendisliği Profesörü Mike Bergin: “Şimdiye kadarki en küçük mekansal ölçekte yer seviyesi hava kirliliğini tahmin etmek için yeni nesil bir mikro uydu görüntüleri kullandık. Bunu, yüzey görüntülerinden ve mevcut yer istasyonlarından gelen verileri yorumlamak için AI / makine öğrenimini kullanan tamamen yeni bir yaklaşım geliştirerek başardık.”

YOU MAY ALSO LIKE

Örümcek Ağlarından Müzik

3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

 Bergin ve meslektaşlarının ilgilendiği özel hava kalitesi ölçümü, PM2.5 adı verilen küçük havadaki partikül miktarıdır.  Bunlar, 2.5 mikrometreden daha küçük bir çapa sahip olan (bir insan saçının çapının yaklaşık yüzde üçü) ve akciğerlere derinlemesine seyahat etme yetenekleri nedeniyle insan sağlığı üzerinde dramatik bir etkiye sahip olduğu gösterilen parçacıklardır.

 Örneğin, PM2.5, 2015 Küresel Hastalık Yükü araştırmasıyla, yaklaşık 4.2 milyon ölümden ve 103.1 milyon yıl sakatlıkla kaybedilen veya yaşamakta olan yaşamdan sorumlu beşinci ölüm riski faktörü olarak derecelendirildi. Ayrıca Harvard Üniversitesi T.H.  Chan Halk Sağlığı Okulu’ndan  araştırmacılar; PM2.5 seviyelerinin daha yüksek olduğu alanların COVID-19 nedeniyle daha yüksek ölüm oranları ile ilişkili olduğunu buldular.

 Zemin seviyesindeki PM2.5 miktarını tahmin etmek için uzaktan algılamadaki mevcut en iyi uygulamalar; tüm atmosferik kolon üzerinde ortam parçacıkları tarafından ne kadar güneş ışığının uzaya geri dağıtıldığını ölçmek için uyduları kullanır.  Bununla birlikte, bu yöntem; bulutlar ve parlak yüzeyler, atmosferik karıştırma ve PM parçacıklarının özellikleri gibi bölgesel belirsizliklerden muzdarip olabilir ve yaklaşık bir kilometrekareden daha küçük ölçeklerde doğru tahminler yapamaz.  Yer kirliliği izleme istasyonları doğrudan ölçümler sunsa da; kendi dezavantajlarından muzdariptirler ve sadece seyrek olarak dünya çapında bulunmaktadırlar.

 Araştırmacı Bergin: “Yer istasyonları inşa etmek ve bakımını yapmak pahalıdır, bu nedenle büyük şehirlerin bile bir avuç daha fazlasına sahip olması muhtemel değildir. Ayrıca neredeyse her zaman trafikten ve diğer büyük yerel kaynaklardan uzak bölgelere konurlar.  Bu nedenle havadaki PM2.5 miktarı hakkında genel bir fikir verebilirken, gerçek bir dağıtım vermek için (o şehrin farklı bölgelerinde yaşayan insanlar) yakın bir yere gelmezler. 

Daha iyi bir yöntem arayışında Bergin ve doktora öğrencisi Tongshu Zheng; piksel başına üç metre çözünürlükle her gün tüm Dünya yüzeyinin fotoğraflarını çekmek için mikro uydular kullanan Amerikalı bir şirket olan Planet’e döndüler.  Ekip, son üç yılda Pekin’in günlük görüntüsünü alabildi.

Bu çalışmada kilit atılım; Duke’ta İnşaat ve Çevre Mühendisliği Yardımcı Profesörü ve Makine Öğrenimi Uzmanı David Carlson’un yardımıyla oldu.

 Carlson’ın yardımıyla Bergin ve Zheng; Pekin Hava İstasyonu’ndan gelen meteorolojik verilerle birlikte, görüntü setine rasgele bir orman algoritması ile bir konvolüsyonel sinir ağı uyguladılar.  

 Rasgele bir orman, bir tahmin yapmak için birçok farklı karar ağacı kullanan standart bir makine öğrenme algoritmasıdır. Bu durum dışında, algoritma; rüzgar, bağıl nem, sıcaklık ve daha fazlası gibi metriklere dayanan karar ağaçlarına bakmakta ve sonuçta elde edilen cevapları PM2.5 konsantrasyonları için bir tahmine ulaşmak için kullanmaktadır.

 Ancak, rasgele orman algoritmaları görüntülerle iyi ilgilenmez.  Evrişimli sinir ağları devreye girer. Bu algoritmalar çizgiler ve çarpmalar gibi görüntülerde ortak özellikler arar ve bunları birlikte gruplandırmaya başlar.  Algoritma “uzaklaştıkça”, temel şekilleri binalar ve otoyollar gibi ortak özelliklerle birleştirerek benzer grupları bir araya getirmeye devam eder.  Sonunda algoritma; görüntünün en yaygın özelliklerinin bir listesi olarak bir özeti ile gelir ve bunlar hava durumu verileriyle birlikte rasgele ormana atılır.

Araştırmacı Carlson: “Yüksek kirlilikteki görüntüler kesinlikle normal görüntülerden daha sisli ve bulanıktır, ancak insan gözü bu ayrıntılardan kaynaklanan kirlilik seviyelerini tam olarak söyleyemez. Dahası algoritma; hem düşük hem de yüksek düzey özelliklerde bu farklılıkları seçebilir (kenarlar daha bulanıktır ve şekiller daha gizlidir) ve bunları tam olarak hava kalitesi tahminlerine dönüştürür.”

Araştırmacı Zheng: “Evrimsel sinir ağı bize sadece görüntülerle istediğimiz kadar iyi bir tahmin vermiyor.  Ancak bu sonuçları hava durumu verileriyle rastgele bir ormana koyduğunuzda, sonuçlar daha iyi olmasa bile şu anda mevcut olan her şey kadar iyidir.”

 Çalışmada, araştırmacılar, uydu görüntüleri ve hava koşullarından başka bir şey kullanmadan yerel PM2.5 seviyelerini tahmin etmek için modellerini eğitmek için 10.400 görüntü kullandılar.  PM2.5’i ne kadar iyi tahmin edebileceğini görmek için sonuçta elde ettikleri modeli 2.622 görüntü üzerinde test ettiler.

 Ortalama olarak, modellerinin; bu tür modeller için spektrumun en yüksek ucunda bulunan referans istasyonlarında ölçülen gerçek PM2.5 seviyelerinin yüzde 24’ü içinde doğru olduğunu ve aynı zamanda çok daha yüksek bir uzaysal çözünürlüğe sahip olduklarını göstermektedir.  Mevcut standart uygulamaların çoğu 1 milyon metrekareye kadar seviyeleri tahmin edebilse de, yeni yöntem yan yana yerleştirilen sekiz futbol sahasının büyüklüğü olan 40.000’e kadar doğrudur.

 Bu özgüllük ve doğruluk seviyesiyle Bergin, yöntemlerinin bu modeller için çok çeşitli yeni kullanımlar açacağına inanıyor.

 Araştırmacı Bergin: “Bunun, hava kalitesinin uydu alımlarında büyük bir yenilik olduğunu ve çok fazla araştırmanın bel kemiği olacağını düşünüyoruz. Dünya COVID-19’un yayılmasından sonra toparlanmaya başladığında PM2.5 seviyelerinin nasıl değişeceğine bakmak için bunu kullanmaya başlıyoruz.”

Tags: algoritmaçevre mühendisliğiCovid-19Hava KirliliğiPM2.5uydu görüntüleri
ShareTweetShare

Search

No Result
View All Result

Recent News

Truva Atı Mekanizması

Truva Atı Mekanizması: Ağlar Cinsiyet Ayrımını Nasıl Azaltır?

18 Nisan 2021
Örümcek Ağlarından Müzik

Örümcek Ağlarından Müzik

14 Nisan 2021
3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

3D Baskı için Hareketli Bir Platform, İsrafı ve Maliyetleri Nasıl Azaltabilir?

6 Nisan 2021
  • Anasayfa
  • Gizlilik Koşulları
  • Reklam

© 2020 NtboxMag.com

No Result
View All Result
  • Ana Sayfa
  • Tıp
  • Teknoloji
  • Yazılım
  • Akıllı Sistemler
  • Robotik
  • Bilim
  • Astronomi ve Uzay
  • Fizik/Kimya

© 2020 NtboxMag.com

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms bellow to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In