Специалисты Ягеллонского университета (Краков) разработали алгоритмы машинного обучения, которые предсказывают концентрацию пыльцы берёзы и злаков на 7 дней вперёд. Это позволяет аллергикам начинать лечение заранее, а не догонять симптомы. Работа опубликована в Science of the Total Environment. В основе модели — уникальный массив данных: Анализ показал: Модели машинного обучения, учитывающие временные последовательности, показали высокую точность: Для берёзы: Для злаков:
Специалисты Ягеллонского университета (Краков) разработали алгоритмы машинного обучения, которые предсказывают концентрацию пыльцы берёзы и злаков на 7 дней вперёд. Это позволяет аллергикам начинать лечение заранее, а не догонять симптомы. Работа опубликована в Science of the Total Environment.
База: 34 года наблюдений
В основе модели — уникальный массив данных:
- Ежедневные измерения концентрации пыльцы на аэробиологической станции в Кракове.
- Период: 1991–2024 гг. (34 года).
- Сопоставление с погодными параметрами: температура, влажность, ветер, солнечная радиация.
Главные факторы
Анализ показал:
- Самый важный индикатор — концентрация пыльцы в предыдущие дни (тренд).
- Температура — второй по значимости фактор.
Выше +10°C → рост пыльцы злаков.
Высокая влажность и дожди → снижение концентрации.
Точность прогнозов
Модели машинного обучения, учитывающие временные последовательности, показали высокую точность:
Для берёзы:
- На 1 день вперёд — 92,2%
- На 4 дня — 88,3%
- На 7 дней — 87,2%
Для злаков:
- На 1 день — 86,1%
- На 4 дня — 81,8%
- На 7 дней — 80,0%
Зачем это нужно
- Врачам — своевременно назначать или усиливать терапию.
- Пациентам — планировать пребывание на улице, избегая пиковых нагрузок.
- Снижение рисков — тяжёлых симптомов и обострений астмы.
Контекст
- Аллергический ринит встречается у 5–50% населения (в разных регионах).
- Пыльцевая астма — у 1–18%.
- Изменение климата делает сезоны цветения менее стабильными, поэтому прогнозы становятся не просто удобством, а необходимостью.