Команда исследователей из Центра искусственного интеллекта Новосибирского госуниверситета разработала новые алгоритмы для контроля качества воздуха. Эти технологии повышают точность данных с датчиков и позволяют использовать менее мощное оборудование. По словам старшего научного сотрудника центра, кандидата технических наук Владислава Перепёлкина, это открывает путь к масштабированию таких решений в городских сетях мониторинга.
После установки нового измерительного поста в Октябрьском районе Новосибирска учёный пояснил суть проблемы. Датчики собирают информацию о температуре, составе воздуха и ветре, но их показания искажаются из-за погоды и со временем «дрейфуют» из-за износа. Созданные адаптивные алгоритмы на базе ИИ анализируют историю измерений и автоматически корректируют эти погрешности.
Система экологического мониторинга получает сведения о температуре воздуха, его составе, скорости и направлении ветра. Однако показания датчиков требуют обработки, прежде чем на их основе можно будет оценивать состояние атмосферы. На результаты измерений влияют температура, влажность и изменение этих параметров. Поэтому лабораторная калибровка не всегда обеспечивает одинаковую точность оборудования в разные сезоны и в разных климатических условиях.
Дополнительная проблема — постепенное изменение характеристик сенсоров вследствие физических и химических процессов. Со временем оборудование может давать менее точные показания, что требует повторной калибровки, обслуживания или замены. Специалисты центра разрабатывают адаптивные алгоритмы, которые учитывают внешние условия и помогают компенсировать часть этих изменений. «Искусственный интеллект за счёт анализа истории наблюдений может отчасти компенсировать эти искажения и повышать точность конечного результата вычислений, — пояснил Владислав Перепёлкин.
По словам исследователя, новые методы снижают требования к вычислительным мощностям. В отличие от классических подходов, которые требуют серьёзных ресурсов, ИИ-решения более гибкие. Это позволяет создавать компактные комплексы, которые можно размещать прямо на городской инфраструктуре, например на опорах освещения, и быстро расширять сеть мониторинга без постройки отдельных станций.