Stel je voor dat je bang bent om de lucht om je heen in te ademen.

Een ongebruikelijk concept voor ons hier in het VK, maar het is een oprechte zorg voor gemeenschappen over de hele wereld, aangezien luchtvervuiling jaarlijks naar schatting zeven miljoen mensen doodt.

Een team van computerwetenschappers van de Loughborough University hoopt deze angst uit te bannen met een nieuw systeem voor kunstmatige intelligentie (AI) dat ze hebben ontwikkeld en dat de luchtvervuilingsniveaus uren van tevoren kan voorspellen.

De technologie is om een ​​aantal redenen nieuw, een daarvan is dat het het potentieel heeft om nieuw inzicht te verschaffen in de omgevingsfactoren die een significante impact hebben op de luchtverontreinigingsniveaus.

Professor Qinggang Meng en dr. Baihua Li leiden het project dat gericht is op het gebruik van AI om PM2,5 te voorspellen – fijnstof van minder dan 2,5 micron (10 ^-6 m) in diameter - die vaak wordt gekenmerkt als verminderd zicht in steden en wazige lucht wanneer de niveaus hoog zijn.

Fijnstof is een soort luchtverontreinigende stof en het is de verontreinigende stof met het sterkste bewijs voor bezorgdheid over de volksgezondheid.

Dit komt omdat de deeltjes zo klein zijn dat ze gemakkelijk in de longen kunnen komen en vervolgens in de bloedbaan, resulterend in cardiovasculaire, cerebrovasculaire en respiratoire effecten.

Volgens het ministerie van Milieu, Voedsel en plattelandszaken, er wordt aangenomen dat er 'geen veilige drempel is waaronder geen nadelige effecten te verwachten zijn'.

Er zijn al systemen die PM2,5 kunnen voorspellen, maar het onderzoek van Loughborough University lijkt de technologie naar een hoger niveau te tillen.

Het systeem dat de onderzoekers hebben ontwikkeld is nieuw voor de volgende aspecten:

• Het voorspelt PM2.5-niveaus van tevoren en geeft voorspellingen voor de niveaus in een uur tot enkele uren, plus 1-2 dagen vooruit
• Het interpreteert de verschillende factoren en gegevens die worden gebruikt voor voorspelling, wat kan leiden tot een beter begrip van het weer, seizoensgebonden en omgevingsfactoren die van invloed kunnen zijn op PM2.5
• Het voorspelt niet slechts één cijfer; het voorspelt het PM2,5-niveau plus een reeks waarden waarbinnen de luchtvervuilingsmeting zou kunnen vallen - bekend als 'onzekerheidsanalyse'
• Het heeft de mogelijkheden om te worden gebruikt als een analyse-instrument voor luchtverontreiniging in een systeem voor de handel in koolstofkredieten.

De onzekerheidsanalyse van het systeem en het vermogen om factoren te begrijpen die van invloed zijn op PM2,5 zijn bijzonder belangrijk omdat dit potentiële eindgebruikers, beleidsmakers en wetenschappers om gerelateerde oorzaken van PM2.5 beter te begrijpen en hoe betrouwbaar de voorspelling is.

Dr. Yuanlin Li is de onderzoeksmedewerker die aan het project werkt aan de Loughborough University. Het LU-team heeft het systeem gemaakt met behulp van machine learning - een soort kunstmatige intelligentietechnologie die grote hoeveelheden gegevens gebruikt om regels en functies te leren, zodat een systeem voorspellingen kan doen.

De onderzoekers gebruikten openbare historische gegevens over luchtvervuiling in Peking om de algoritmen te trainen en te testen; China werd geselecteerd als focus, aangezien 145 van de 161 Chinese steden ernstige luchtvervuilingsproblemen hebben.

Het ontwikkelde systeem zal nu worden getest op live gegevens die zijn vastgelegd door sensoren die zijn ingezet in Shenzhen, China.

Het systeem dat is ontwikkeld aan de Loughborough University maakt deel uit van een breder onderzoeksproject dat wordt gefinancierd door het Newton Fund, die vier partners heeft:Satoshi Systems Ltd, Loughborough-universiteit, Shenzhen-instituten voor geavanceerde technologie, en EEG Smart Intelligent Technology in China.

Het doel van het project is om te onderzoeken hoe koolstof kan worden gebruikt als verhandelbare grondstof om een ​​nieuwe effectieve economische hefboom te creëren voor het beheersen van emissies.

Het is de bedoeling dat steden, regio's en fabrieken krijgen kredieten voor de hoeveelheid koolstof die ze kunnen uitstoten en als ze er overheen gaan, moeten ze meer kredieten 'kopen'. Alternatief, als een locatie onder de limiet valt, het kan de overtollige kredieten op de koolstofmarkt met winst verkopen.

Het doel is om het PM2.5-voorspellingsmodel van Loughborough University te integreren in een online platform dat toegankelijk is voor deelnemers aan het CO2-handelssysteem.

Hierdoor kunnen deelnemers het systeem gebruiken om toegang te krijgen tot realtime, zinvolle informatie over vervuilingsniveaus die hen zal helpen bij het ontwerpen van een handelsstrategie.

Van het onderzoek, Professor Meng zei:"Luchtvervuiling is een geaccumuleerde langetermijnuitdaging waarmee de hele wereld wordt geconfronteerd, en vooral in veel ontwikkelingslanden.

"Het project heeft tot doel de luchtkwaliteit en vervuilingsniveaus te meten en te voorspellen. We onderzoeken ook de haalbaarheid van het koppelen van de realtime informatie over koolstofemissie aan end-to-end handel in koolstofkredieten, dus wijden aan koolstofbeheersing en vermindering van de uitstoot van broeikasgassen.

"We hopen dat dit onderzoek zal bijdragen aan schonere lucht voor de gemeenschap en de gezondheid van mensen in de toekomst zal verbeteren."

Mijnheer Saurabh Goyal, CEO van de industriepartner Satoshi Systems Ltd, toegevoegd:"We zijn onder de indruk en enthousiast over het werk van de Loughborough University.

"Wij geloven dat alle soorten deelnemers, zoals vervuilers, schoonmakers, markt makers, hedgers, speculanten, overheid en beleidsmakers zullen deze gegevens erg nuttig vinden voordat ze CO2-credits kopen of verkopen op ons platform.

"We zijn momenteel in gesprek met overheids- en maatschappelijke autoriteiten in zowel China als het VK om de uitwisseling op te zetten.

"Iedereen die geïnteresseerd is om deel te nemen aan dit emissie-uitwisselingsplatform kan contact met mij opnemen via [email protected]."