날씨 예측과 마찬가지로 대기 오염 및 대기 질 수준을 예측하는 모델이 있습니다. 일기 예보 모델보다 더 복잡한 예측 모델이 많이 있습니다. 이 모델은 공기 중 오염 물질이 공기 중에 분산되는 방식에 대한 수학적 시뮬레이션입니다 (1).

대기 질 정보가 필요한 이유

대기 오염은 주변 공기에 인간과 동물의 건강에 해로울 수 있거나 식물과 재료에 손상을 줄 수있을 정도로 충분한 양의 가스, 먼지, 연기 또는 냄새를 함유 할 때 발생합니다.

대기 오염은 우리 시대의 위대한 살인자 중 하나입니다. 오염 된 공기는 매년 전 세계적으로 약 7 백만 건의 사망자를 책임지고 있습니다. 가계 대기 오염으로부터 약 3 백만, Ambient (Outdoor) 대기 오염 (2) (3)에서 4 백만입니다. 데이터는 전세계 대기 오염이 다음과 관련이 있음을 보여주었습니다.

• 모든 심혈관 사망의 19%
• 허혈성 심장병 사망의 24%
• 뇌졸중 사망의 21%
• 폐암 사망의 23% (4)

또한, 야외 대기 오염은 어린이 (5) 및 성인의 신경 퇴행성 질환의 신경 발달 장애의 중요한 위험 인자 인 것으로 보입니다 (6).

경제적, 생태 학적 및 인간의 통행료 대기 오염이 진행되면서 예측 기술은 점점 더 중요한 노력입니다.

대기 오염 정보 및 예측의 이점

대기 오염 예측은 개인, 커뮤니티, 국가 및 글로벌 등 여러 수준에 대한 가치있는 투자입니다. 정확한 예측은 사람들이 미리 계획하여 건강 및 관련 비용에 미치는 영향을 줄이는 데 도움이됩니다.

사람들이 호흡하는 공기의 질의 변화, 건강에 대한 오염 물질의 영향 및 부작용을 유발할 수있는 농도를 알고있을 때, 개인 행동과 공공 ​​정책 모두에 변화를 일으킬 가능성이 더 높습니다 (7. ) (8).

이러한 인식은 더 깨끗한 환경과 더 건강한 인구를 만들 수있는 잠재력이 있습니다. 정부는 또한 지역 오염 수준의 심각성을 줄이기위한 절차를 확립하기 위해 조기 예측을 사용합니다 (9).

대기 질 예측의 정확도

대기 질을 예측할 때 고려해야 할 많은 변수가 있으며 그 중 일부는 예측할 수 없습니다. 예를 들어, 베이징 당국은 때때로 석탄 공장과 공장에 도시의 수백만 대의 등록 된 차량의 일부를 운영하는 것을 금지하도록 명령합니다 (10).

대기 오염 수준은 지역 기상 조건 및 인근 오염 배출량 (11) (12)과 밀접한 상관 관계가 있습니다. 그러나 강한 바람을 통한 오염의 장거리 운송은 또한 중요한 영향을 미치는 요인이며 국부 AQI 판독 값을 예측할 때 고려해야합니다 (13).

따라서 대기 질을 예측하는 것은 일기 예보의 어려움을 포함 할뿐만 아니라 다음에 대한 데이터와 지식도 필요합니다.

• 국소 오염 물질 농도 및 배출
• 먼 위치에서 오염 물질 농도 및 배출
• 오염 물질의 움직임과 가능한 변형
• 우세한 바람

대기 질을 예측하는 데있어 많은 요인은 대기 오염 예측이 주관적이고 객관적입니다.

대기 질 예측 기술

이러한 예측 모델이 많이 있으며, 모두 일기 예보 모델보다 더 복잡성이 필요합니다. 이 모델은 공기 중 오염 물질이 공기 중에 분산되는 방식에 대한 수학적 시뮬레이션입니다.

기상 예측

정확한 대기 질 예측의 첫 번째 단계는 우수한 일기 예보입니다. 기상학 (날씨) 예측은 기후학, 통계적 방법 및 3 차원 (3 차원) 모델의 세 가지 주요 범주로 분류 될 수 있습니다.

기후학

기후학은 과거를 미래의 지표로 사용합니다. 이 방법은 특정 기상 조건과 오염 수준의 관계를 기반으로하므로 1 차원이 될 수 있습니다. 이 방법은 종종 날씨 패턴의 오염 패턴에 일치하는 것을 포함하도록 확장됩니다. 이 방법에는 많은 제한 사항이 있으며 다른 예측 방법을 보완하는 도구로 간주됩니다.

통계적 방법

사이의 연관성 대기 질과 날씨 통계적 방법을 사용하여 패턴을 정량화 할 수 있습니다. 가장 일반적으로 사용되는 세 가지는 다음과 같습니다.

1. 분류 및 회귀 트리 (카트) 데이터를 다른 그룹으로 분류하도록 설계되었습니다. 소프트웨어는 주변 오염 수준과 관련된 변수를 식별합니다. 데이터는 기상 조건과 상관 관계 오염 물질 농도에 따라 농도를 예측하는 데 사용됩니다.
2. 회귀 분석 변수 간의 관계를 추정합니다. 과거 데이터 세트를 분석함으로써 오염 수준과 기상 데이터 변수 간의 연관성이 이루어집니다. 결과는 미래의 오염 수준을 예측하는 데 사용할 수있는 방정식입니다.
3. 인공 신경망 적응 형 학습 및 패턴 인식 기술을 사용하십시오. 컴퓨터 기반 알고리즘은 패턴 인식을위한 인간 뇌의 기능을 시뮬레이션하도록 설계되었습니다. 이것은 다차원 접근 방식으로 인한 오염을 예측하는 데 가장 적합한 방법입니다.

위의 통계적 방법의 한 가지 단점은 대기 질에 영향을 미치는 프로세스 측면에서 안정성을 가정한다는 것입니다. 따라서 배출이나 기후 (단기 또는 장기)에 대한 급격한 변화는 이러한 기술의 정확성을 심각하게 감소시킬 것입니다. 이러한 부족을 고려하려고 시도하는 더 복잡한 방법이 있습니다. 그것들은 3 차원 모델로 알려져 있습니다.

3 차원 (3 차원) 모델

3 차원 모델은 수학적으로 야외 대기 오염 수준에 영향을 미치는 모든 중요한 과정을 나타냅니다. 3 차원 모델은 다음을 포함하여 여러 서브 모델을 사용하여 대기 오염의 배출, 운송 및 변형을 시뮬레이션합니다.

• 배출 모델 : 자연과 인간 공급원 모두에서 배출량의 공간 분포를 시뮬레이션합니다.
• 기상 모델 : 3D 기상 모델 및 배출 데이터를 사용하여 주변 오염 수준을 예측하기위한 궤적 모델을 만듭니다.
• 화학 모델 :오염 물질의 결과를 결정하기 위해 1 차 (방출) 오염이 2 차 오염으로 변형되는 것을 살펴 봅니다 (14).

7 일 대기 질 예측

iqair 's Airvisual 플랫폼 모바일 앱과 웹 사이트에서 대기 질 예측을 사용할 수 있습니다. 실시간 대기 질 정보, 날씨 및 오염 판독 값 외에도이 플랫폼에는 7 일 대기 질 예측이 포함되어 있으므로 정보에 입각 한 건강 및 복지 결정을 내릴 수 있으며 그에 따라 미리 계획하는 데 도움이됩니다. 이 플랫폼은 고급 예측 모델, 진화 알고리즘 및 기계 학습을 사용하여 앞으로 일주일 동안 정확한 대기 질 예측을 생성합니다.

Airvisual의 7 일 예측을 통해 개인과 정부는 예상 대기 질 문제가있을 때 적극적인 조치를 취할 수 있습니다.

테이크 아웃

오염 예측 기술과 도구가 빠르게 향상되고 있으며 정확도가 계속 증가 할 것입니다. Airvisual에서 발견 된 것과 마찬가지로 정확하고 접근 가능한 대기 오염 예측은 대중의 인식을 높이고 민감한 인구가 미리 계획하고 정부에 공중 보건 경고에 대한 정보를 제공 할 수 있도록 도와줍니다.