Description du projet
Une nouvelle technologie de prévision de la qualité de l’air basée sur l’IA
Les émissions, le changement climatique et d’autres effets exigent une amélioration des prévisions des phénomènes météorologiques ou de la qualité de l’air. Les technologies de prévision actuelles peinent à prévoir la qualité de l’air avec précision. La technologie de l’IA, exploitée avec succès dans les prévisions météorologiques et d’autres contextes similaires, s’est toutefois révélée très prometteuse pour fournir des données plus précises sur la qualité de l’air. Financé par le Conseil européen de la recherche, le projet AQplus4 se propose d’étudier les modèles récents de prévision générées par l’IA afin de développer une nouvelle technologie d’IA capable de traiter de grandes quantités de données et de faire des prévisions plus fiables. Le projet collaborera également avec diverses parties prenantes afin d’accroître leur engagement et d’acquérir l’équipement et la formation nécessaires.
Objectif
AQplus4 will develop the first scientifically sound operational air quality forecasting system based on innovative deep learning and IT technology. Based on the successful development of AI air quality forecasting models in the IntelliAQ advanced grant, we will explore the combination of several deep learning models into one coherent concept, test the transferability to new air pollutant species and other world regions. Furthermore, the grant shall cover the necessary technical developments to prepare the data processing and deep learning software for operational use and we shall set-up a dialogue with two identified stakeholders (UBA Germany and NIER Korea) to discuss the data processing and forecasting requirements as well as the deployment and maintenance options. The stakeholder exchange will also include training activities including extended training of a Korean researcher. Timely and reliable air quality forecasts are important to issue health warnings and prepare mitigation measures. IntelliAQ has demonstrated higher accuracy forecasts compared to conventional chemistry transport model results. The AQplus4 system will therefore constitute an important breakthrough innovation that may later be adopted at several environmental monitoring agencies around the world.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN. Voir: https://op.europa.eu/en/web/eu-vocabularies/euroscivoc.
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Programme(s)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Appel à propositions
(s’ouvre dans une nouvelle fenêtre) ERC-2022-POC2
Voir d’autres projets de cet appelRégime de financement
HORIZON-ERC-POC - HORIZON ERC Proof of Concept GrantsInstitution d’accueil
52428 Julich
Allemagne