|
Neurolaskenta ja sen sovellutukset ovat saaneet
suurta huomiota maailmalla ja Suomessakin viime aikoina. Ala mielletään
muodikkaaksi niin tutkijoiden kuin teollisuuden parissa. Onko kyseessä
muotiilmiö vai onko neurolaskenta todella uusi ja omalla tavallaan
merkittävä tekniikka?
Neurolaskenta on reaalimaailman tarpeisiin hyvin soveltuva tapa toteuttaa
älykkäitä tietojenkäsittelyjärjestelmiä.
Sen avulla voidaan paljastaa isoissa tietomassoissa olevia lainalaisuuksia
tai ryhmittymiä, joita on hyvin hankala löytää perinteisillä
laskentamenetelmillä. Parhaimmillaan se onkin niissä tehtävissä,
joissa perinteiset menetelmät ovat vaikeuksissa. Näitä
voivat olla esim. vaikeiden kohteiden mallintaminen (epälineaariset
monimuuttujasysteemit) sekä aikasarjojen ennustaminen. Neurolaskennan
voima perustuu kykyyn oppia tehtävänratkaisut opetusdatasta
("muodostaa itse omat sääntönsä") ja ratkaisujen
yleistäminen myös ennenkokemattomiin tilanteisiin, joihin
opetusdata ei ulotu.
Neurolaskenta tehdään neuroverkolla, joka muodostuu kytkemällä
toisiinsa yksinkertaisia laskentaelementtejä, neuroneja. Näillä
neuroneilla on monta syötettä ja yksi vaste. Käytännössä
neuroverkot toteutetaan tietokoneohjelmana, simuloimalla.
Kuopion yliopisto ja Lappeenrannan teknillinen korkeakoulu ovat kehittäneet
yhteistyössä neurolaskentaa kaupunkiilman epäpuhtauksien
mallintamiseen. Työssä on käytetty ns. itseorganisoituvaa
neuroverkkoa (SOM), jonka on kehittänyt prof. Teuvo Kohonen. SOM:n
tyypillinen piirre on, että verkossa toisiaan lähellä
olevat neuronit reagoivat samantyyppisiin syötteisiin, kun taas
verkossa kauempana olevat neuronit reagoivat erityyppisiin syötteisiin.
toisen palstan alkuun
|
|
SOM:lla analysoitu datajoukko sisälsi kaupunkiilmasta
tuntikeskiarvoina mitatut NO2, NO, CO, SO2 , mustahiili ja hiukkaspitoisuudet
1 524 tunnin ajalta. Mitatut 0,01-10 µm:n suuruiset hiukkaset ryhmiteltiin
kuuteen kokoluokkaan. Lisäksi meteorologisia tietoja (tuulen suunta
ja nopeus, lämpötila, suhteellinen kosteus) käytettiin
datajoukon luokitteluun. Mittaukset suoritettiin Kuopion keskustassa
tammihuhtikuussa 1994.
Kaupunkiilman epäpuhtauksien käyttäytymiselle löydettiin
aivan uudentyyppisiä piirteitä. Mittaustilanteet voitiin luokitella
sen perusteella, mitkä saasteet kulloinkin hallitsivat. Viidellä
ilmanlaatuluokalla voitiin kuvata jopa 60 prosenttia mittaustilanteista.
Tavallisimmat luokat Kuopiossa olivat kaupunkitaustaluokka (26 % ajasta)
ja kaukokulkeumaluokka (19 % ajasta). Edelliseen luokkaan kuuluvissa
tilanteissa pitoisuudet olivat pienet liikenteellisesti hiljaisina vuorokaudenaikoina,
jälkimmäisessä kaukokulkeutuminen toi akkumulaatiohiukkasia
(0,1-1 µm) ja rikkidioksidia. 12 prosenttia ajasta vallitsi ilmanlaatutilanne,
jolloin sekä hiukkasten että kaasumaisten epäpuhtauksien
pitoisuudet olivat inversiotilanteiden vuoksi hyvin korkeita.
Kehitystyön tulokset osoittavat, että neurolaskenta täysin
uutena menetelmänä soveltuu hyvin vallitsevien ilmanlaatutilanteiden
arviointiin. Uutena sovellutuksena onkin aloitettu terveysoireiden ja
ilman epäpuhtaustietojen välisten riippuvuuksien analysointi
SOM-tyyppisellä verkolla.
Juhani Ruuskanen, Kuopion yliopisto, ympäristötieteiden laitos
(971) 163 227
|
