10° Simposio Internazionale sull’Intelligenza Ambientale
La conferenza ha fatto incontrare ricercatori esperti in varie discipline del settore scientifico dell’Intelligenza Ambientale, un fenomeno recente dell’area dell’Intelligenza Artificiale, dove i computer vengono utilizzati come strumenti proattivi nell’assistere le persone nelle loro attività quotidiane, migliorando la qualità di vita di tutti.
Premio “Best Paper”
La nostra azienda è stata rappresentata da una parte del team che ha partecipato alla conferenza presso l’Università di Salamanca, ad Avila, in Spagna. Abbiamo vinto il premio “Best Paper” con l’articolo “A Recurrent Neural Network Approach to Improve the Air Quality Index Prediction”.
I membri del team coinvolti nel progetto sono: Fabio Cassano, Antonio Casale, Paola Regina, Luana Spadafina, Petar Sekulic.
Segue l’abstract che focalizza il topic e i problemi principali da risolvere:
”Ogni anno tutte le città del mondo affrontano il problema dell’inquinamento dell’aria. Soprattutto durante la stagione invernale, quando i livelli delle particelle negative provenienti dai sistemi di riscaldamento industriali e domestici,incrementano il rischio di malattie polmonari.
Dunque è importante, sia per le grandi città sia per i cittadini, capire e prevedere i livelli d’inquinamento dell’aria in anticipo, per prevenire i rischi per la salute. I moderni sistemi di previsione sono in grado di avvisare in anticipo le persone soltanto sulle condizioni del meteo; mentre le informazioni sulla qualità dell’aria non vengono quasi mai prese in considerazione.
Le ragioni sono molteplici e dipendono soprattutto dalla difficoltà che i sistemi moderni hanno a generalizzare il problema e correggere l’elaborazione dei dati provenienti dai sensori. Nell’articolo consideriamo il problema della previsione dei gruppi di diversi inquinanti in riferimento all’Indice della Qualità dell’Aria nellaRegione Puglia. Con due diversi modelli di reti neurali ricorrenti, abbiamo svolto due test per provare che è possibile prevedere il livello di inquinanti in un’area specifica usando i dati provenienti dalle aree circostanti. Usando questo approccio sul clima e sulle stazioni che monitorano l’aria sul territorio, è possibile avere degli alerts sui livelli d’inquinamento molti giorni prima.”
Il commento di Fabio, ricercatore
Partecipare ad ISAmI è sempre una grande esperienza. Incontrare ricercatori di alto livello provenienti da tutte le parti del mondo, e parlare con loro di Intelligenza Artificiale, mi ha permesso di crescere e migliorare la conoscenza in questo settore. Questo è il terzo anno che partecipo a questa conferenza e, per la prima volta, io e gli altri coautori abbiamo ricevuto il premio come “miglior articolo” presentando un approccio innovativo per predire l’Air Quality Index. È motivo di grande orgoglio fare parte di un grande team e ringrazio tutte le persone che hanno partecipato a questa ricerca.
Il commento di Petar, scienziato di Machine Learning
“L’obiettivo principale dell’articolo era creare un sistema che prevedesse il valore degli inquinanti dell’aria nell’arco temporale di due giorni seguenti. L’idea era creare un sistema che fosse indipendente da un’area geografica specifica.
Abbiamo preso i dati dal sito ARPA Puglia.
Prima di creare l’algoritmo della rete neurale ricorrente (RNN), abbiamo effettuato una pre-elaborazione dei dati. Questi dati sono stati divisi in tre parti: training, validazione e test. Dopodiché ho creato una rete neurale che fosse istruita da un algoritmo di discesa di un gruppo di gradienti. Gli iper-parametri dell’algoritmo sono stati scelti sul set della validazione, mentre l’accuratezza dell’algoritmo è stata validata sui i dati del test.
La conclusione è stata ottenere un livello di precisione soddisfacente sulla previsione della quantità degli inquinanti dell’aria. La futura ricerca potrebbe dirigersi verso l’implementazione della Teoria dei grafi nel sistema esistente.”
0 commenti