Розробка AI-системи моніторингу якості повітря

У містах із щільною забудовою точкові датчики дають розрізнені показання. Управлінцям потрібна карта концентрацій з кроком 100 м і точний прогноз на дві доби. Детерміновані моделі розсіювання потребують десятки параметрів і часто помиляються на 50–70% в умовах змінного вітру. ML-моделі, навчені на історичних даних, знижують помилку до 15–20%. За 5 років виконали 20+ проєктів з AI-моніторингу в містах з різним кліматом і щільністю забудови.

Архітектура системи

Дані → Обробка → Зберігання → Аналітика → Візуалізація

Дані:
├── Державні пости (Росгідромет, ФБУ ЦЛМ)
├── IoT-сенсори (власні/партнерські)
├── Супутник (Sentinel-5P, MODIS)
├── Мобільні станції (автомобілі, велосипеди)
└── NWP метеопрогнози (Росгідромет API, Open-Meteo)

Обробка:
├── Калібрування LCS (low-cost sensors)
├── Контроль якості (QA/QC)
├── Просторова інтерполяція
└── Прогноз якості повітря

Зберігання:
└── TimescaleDB (temporal) + PostGIS (spatial)

Аналітика:
├── AQI розрахунок
├── Trend analysis
├── Source attribution
└── Health impact estimation

Візуалізація:
└── Веб-портал + мобільний застосунок

Як працює ML-інтерполяція?

Станцій завжди менше, ніж потрібно. Для карти якості повітря на рівні 100 м потрібна інтерполяція. Kriging поступається ML-інтерполяції на 30% за точністю, особливо в районах з локальними джерелами (заводи, дороги). Ми використовуємо XGBoost з просторовими коваріатами: відстань до трас, NDVI, щільність забудови.

def spatial_air_quality_model(station_readings, spatial_covariates):
    """
    Навчаємо на station_readings
    Прогнозуємо для всієї міської сітки 100×100 м
    """
    X = pd.merge(station_readings, spatial_covariates, on=['lat', 'lon'])

    # Spatial features
    X['distance_to_highway'] = ...
    X['distance_to_industry'] = ...
    X['ndvi'] = ...  # озеленення
    X['building_density'] = ...  # щільність забудови

    model = XGBRegressor().fit(X, X['pm25'])
    return model

# Прогноз для всієї сітки міста
grid = create_city_grid(city_boundary, resolution=100)
grid['predicted_pm25'] = model.predict(grid[feature_cols])

Deep Learning для spatial mapping: U-Net з мультиспектральними супутниковими знімками + station readings → карта PM2.5 роздільною здатністю 30-100 м. Навчання на одночасних даних станцій та супутникових знімків. Економія на обслуговуванні датчиків — до 40%.

Чому LSTM краща за традиційні моделі?

Основні фактори прогнозу:

• Метеорологія: вітер (швидкість і напрямок визначають перенесення), стабільність атмосфери (mixing height), опади (вимивання PM)
• Джерела: промислові викиди, транспорт, опалення
• Фотохімія: утворення O3 та вторинних частинок (PM2.5)

LSTM + Weather Attention модель:

class AirQualityForecastModel(nn.Module):
    def __init__(self):
        self.pollutant_encoder = LSTM(n_pollutants, 64)
        self.weather_encoder = LSTM(n_weather_vars, 64)
        self.cross_attention = CrossAttention(64, 64)
        self.decoder = nn.Linear(128, n_pollutants * forecast_hours)

Горизонт: 24/48/72 години. MAPE досяжна: < 15% для 48-годинного прогнозу PM2.5.

Індекс якості повітря (АКІ/AQI)

Розрахунок АКІ за стандартом:

def calculate_aki(concentrations: dict) -> float:
    """
    АКІ = Σ (C_i / PDK_i_ss) для i забруднювачів
    При АКІ < 5 — нормативна якість повітря
    """
    aki = 0
    for pollutant, conc in concentrations.items():
        pdk = PDK_MEAN_DAILY[pollutant]
        aki += conc / pdk
    return aki

Кольорове кодування:

• Зелений: АКІ < 5 (норма)
• Жовтий: 5-7 (незначне забруднення)
• Помаранчевий: 7-14 (помірне)
• Червоний: > 14 (високе, небезпечно для здоров'я)

Детальніше про Індекс якості повітря.

Мобільний застосунок для мешканців

Функції:

• Поточний AQI в точці геолокації
• Карта якості повітря міста
• Прогноз AQI на 24/48 годин
• Рекомендації: чи безпечно гуляти/займатися спортом
• Сповіщення при перевищенні порогів

Персоналізовані рекомендації:

• Астматики / алергіки: суворіший поріг сповіщень
• Велосипедисти: оптимальний час/маршрут з урахуванням AQI
• Батьки з дітьми: playground quality index

Атрибуція джерел

Positive Matrix Factorization (PMF) розкладає спектр хімічного складу PM2.5 на джерела: промисловість, транспорт, побутове опалення, природні (морська сіль, пил). Використовуємо EPA PMF 5.0 — офіційний інструмент для receptor modeling.

from scipy.optimize import nnls
# G = F × C (observations = sources × contributions)
# PMF мінімізує зважену суму квадратів залишків
# при невід'ємності F і C

Результат: «30% PM2.5 в місті від викидів металургії, 40% від транспорту, 20% від побутового опалення». Це база для регуляторних рішень.

Як оцінити ROI від системи моніторингу?

Пряма економія: скорочення штрафів за перевищення нормативів, зниження витрат на лабораторні вимірювання (замінюються ML-інтерполяцією), оптимізація роботи очисних фільтрів за фактичним навантаженням. Непрямий ефект — зростання довіри мешканців та інвестиційна привабливість міста.

Що входить у роботу

1. Аудит даних: оцінка якості та повноти наявних вимірювань, вибір оптимального стеку.
2. Проектування архітектури: схема потоків даних, вибір моделей, прототипування.
3. Калібрування сенсорів: налаштування low-cost датчиків за референсними станціями.
4. Розробка ML-моделей: інтерполяція, прогноз, source attribution.
5. Створення веб-порталу та мобільного застосунку: карта, AQI, алепти.
6. Тестування та валідація: порівняння з незалежними станціями, MAPE < 15%.
7. Документація та навчання: передача коду, API, інструкції для екологів.
8. Супровід 3 місяці: моніторинг, донавчання моделей, оновлення.

Терміни: базова IoT-мережа + AQI розрахунок + карта + мобільний застосунок — 8-10 тижнів. Система з ML-прогнозом, source attribution та regulatory API — 4-5 місяців.

Етапи роботи:

1. Аудит даних — 1 тиждень
2. Проектування — 1-2 тижні
3. Калібрування сенсорів — 2-3 тижні
4. Розробка ML-моделей — 3-4 тижні
5. Розробка інтерфейсів — 3-4 тижні
6. Тестування — 2-3 тижні
7. Документація та навчання — 1-2 тижні

Зв'яжіться — проаналізуємо ваші дані за 2 дні. Отримайте консультацію з підбору стеку та оцінки обсягу робіт. Оцінимо ваш проект за 2 робочі дні. Гарантуємо якість завдяки сертифікованим інженерам та 5+ рокам досвіду в AI-моніторингу.

Які проблеми прогнозування часових рядів зустрічаються найчастіше?

Фінансовий директор запитує прогнозування часових рядів продажів на квартал. Аналітик будує SARIMA, досягає MAPE 8.3% на тестовій вибірці — і з гордістю деплоїть. Через два місяці в production метрика падає до 23%. Причина класична: модель навчалася на даних до COVID, тестувалася на стабільному періоді, а production потрапив на промо-акцію та збій поставок. Data leakage + distribution shift = гарні цифри в ноутбуці та непрацюючий прогноз в реальності. Ми стикалися з цим десятки разів. Наш досвід — 5+ років у прогнозуванні часових рядів для рітейлу, фінтеху та IoT, більше 50 завершених проєктів.

Неправильна крос-валідація. Стандартний train_test_split для часових рядів — помилка. Випадкове розбиття створює data leakage: модель бачить «майбутні» значення в навчанні. Правильно — TimeSeriesSplit або walk-forward validation з expanding window.

Множинна сезонність. Погодинні дані споживання електроенергії мають три сезонності: добову (24 год), тижневу (168 год), річну (8760 год). SARIMA справляється лише з однією. Prophet обробляє кілька, але повільно масштабується на тисячі рядів.

Пропуски та аномалії в даних. Пропуск у сенсорних даних — це інформація (датчик відключився), а не просто NaN. Лінійна інтерполяція вбиває цей сигнал. Правильна обробка залежить від природи пропуску.

Cold start при ієрархічному прогнозуванні. Новий SKU в асортименті з 50 000 позицій: історичних даних немає, потрібен прогноз. Стандартні підходи тут не працюють — потрібні cross-learning підходи або feature-based методи.

Які інструменти і коли застосовувати?

Prophet (Meta) — чудовий старт для бізнес-даних із зрозумілою сезонністю та святами. Швидко налаштовується, інтерпретований, вбудована обробка викидів і пропусків. Падає в точності при нерегулярних патернах і не масштабується на десятки тисяч рядів без паралелізації. Prophet (Facebook) — офіційна документація.

Gradient boosting на фічах (LightGBM, XGBoost) — часто недооцінений підхід. Створюєте фічі вручну: лаги (t-1, t-7, t-28), ковзні середні, категоріальні ознаки (день тижня, місяць), екзогенні змінні. Модель навчається на всіх рядах одночасно — вирішує cold start через схожі ряди. MAPE на рітейл-прогнозуванні часто кращий за нейронні мережі при правильній feature engineering.

TFT (Temporal Fusion Transformer) — трансформер, спеціально розроблений для інтерпретованого прогнозування з коваріатами. Вбудовані механізми: variable selection (які ознаки важливі), temporal self-attention (які часові точки впливають на прогноз), квантильні передбачення. Доступний у pytorch-forecasting. Вимагає ~10 000+ записів на ряд для стабільного навчання. Temporal Fusion Transformer — академічна публікація.

PatchTST — трансформер, який ділить часовий ряд на патчі (аналогічно ViT для зображень). Краще захоплює локальні патерни, ніж класичні трансформери. Добре працює для long-horizon forecasting (прогноз на 96–720 кроків). Реалізація в neuralforecast від Nixtla.

N-HiTS, N-BEATS — нейронні архітектури без attention, швидші за TFT, конкурентна точність. N-BEATS виграє на M4/M5 benchmark для задач без коваріат.

Як ми розгортаємо TFT в production?

TFT потребує ретельної підготовки даних. Типовий пайплайн через pytorch-forecasting:

training = TimeSeriesDataSet(
    data,
    time_idx="time_idx",
    target="sales",
    group_ids=["store", "sku"],
    min_encoder_length=max_encoder_length // 2,
    max_encoder_length=max_encoder_length,  # 120 днів
    min_prediction_length=1,
    max_prediction_length=max_prediction_length,  # 28 днів
    static_categoricals=["store_type", "category"],
    time_varying_known_reals=["price", "promo_flag"],
    time_varying_unknown_reals=["sales"],
    target_normalizer=GroupNormalizer(groups=["store", "sku"], transformation="softplus"),
)

Часта помилка: target_normalizer за замовчуванням (StandardScaler) ламає передбачення для рядів з нульовими значеннями (немає продажів у вихідні). GroupNormalizer з transformation="softplus" — правильний вибір для count-даних.

Покрокова інструкція з налаштування TFT

1. Збір та підготовка даних. Обробити пропуски (маркувати NaN, інтерполювати лише якщо це технічний збій), агрегувати до потрібної частоти, сформувати коваріати (свята, промо, ціни).
2. Створення TimeSeriesDataSet. Вказати group_ids (наприклад, магазин+SKU), часовий індекс, горизонт прогнозу. Налаштувати target_normalizer з урахуванням розподілу таргета.
3. Навчання baseline. Спочатку Prophet або LightGBM — щоб зрозуміти, наскільки складніше завдання.
4. Тренування TFT. Запустити TemporalFusionTransformer з loss=QuantileLoss(), підібрати learning rate та розміри hidden шарів. Використовувати pytorch_forecasting або neuralforecast.
5. Валідація та інтерпретація. Перевірити walk-forward, проаналізувати variable selection, побудувати attention heatmap.

Кейс: прогноз попиту в рітейлі. Мережа з 120 магазинів, 8000 SKU, горизонт прогнозу 28 днів. Вихідна система: SARIMA окремо для кожного ряду, MAPE 18.4%, повний цикл перенавчання — 6 годин. TFT на PyTorch + pytorch-forecasting: одна модель на всі ряди, MAPE 11.2%, перенавчання — 40 хв на A10G. Додатковий бонус: feature importance через variable selection — з'ясувалося, що day_before_holiday впливає сильніше, ніж сама дата свята. Середня економія бюджету на інференсі для клієнта склала значну суму.

Як правильно оцінювати якість прогнозів?

Не використовуйте RMSE як єдину метрику — вона сильно штрафує за великі помилки на великих значеннях. Наш набір метрик для рітейл-прогнозування:

• MAPE — інтерпретована, але нестабільна при значеннях близьких до нуля
• sMAPE — симетрична версія, уникає ділення на маленькі числа
• MASE (Mean Absolute Scaled Error) — нормалізована відносно наївного сезонного прогнозу, чудово підходить для порівняння між рядами з різними масштабами
• Quantile loss / Pinball loss — для ймовірнісного прогнозування, оцінка покриття інтервалів

Гарантуємо: ми надаємо model card з цими метриками на валідаційній вибірці та результати walk-forward тесту на історії не менше 6 місяців.

Що входить в роботу

• Документація щодо обраної архітектури, обґрунтування вибору гіперпараметрів.
• Відтворюваний пайплайн навчання та інференсу (Docker + CI/CD + Airflow/Prefect).
• Код з коментарями та модульними тестами на ключові компоненти.
• Навчання вашої команди: як перенавчати модель, як інтерпретувати виходи, як деплоїти нові версії.
• Підтримка протягом 3 місяців після здачі: консультації, виправлення багів, доналаштування.

Процес роботи

Починаємо з EDA: візуалізація, тест ADF на стаціонарність, STL-декомпозиція, аналіз пропусків та викидів. Це 2–3 дні, але часто виявляє системні проблеми даних, які блокують прогнозування.

Потім: baseline (наївний seasonal, Prophet), feature engineering для LGBM, вибір архітектури нейронної мережі якщо потрібно. Walk-forward validation з реалістичним горизонтом. Деплой через API з автоматичним перенавчанням за розкладом через Airflow або Prefect.

Строки орієнтовно: MVP-прогноз на одному типі даних — 3–6 тижнів. Ієрархічна система прогнозування з автоматизацією — 2–5 місяців. Вартість розраховується індивідуально.

Наша команда — сертифіковані ML-інженери (AWS ML Specialty, GCP Professional ML Engineer). За 5 років на ринку реалізували понад 50 проєктів з прогнозування. Зв'яжіться з нами для безкоштовного аналізу ваших даних — ми оцінимо завдання та дамо перші рекомендації за 1–2 дні. Замовте консультацію і переконайтеся, що ваші прогнози працюють в production, а не тільки в ноутбуці.