Во рамките на системите на ФЕИТ активнo е хостирана и функционална апликацијата AQRA (Air Quality REST API) за предвидување на воздушно загадување.
Проектот е изработен и одржуван од колегата, м-р на ФЕИТ, Александар Тренчевски во рамките на неговата магистерската работа одбранета под менторство на проф. Марија Календар. Клиентската апликација е изработена од уште еден наш инженер кој дипломираше на ФЕИТ – колешката Марија Милошевска. По завршувањето на проектот, компјутерскиот центар на ФЕИТ излезе во пресрет на идеите на колегата и овозможи поставување на функционален систем јавно достапен на сите.
AQRA – предвидува воздушно загадување со помош на регресивни модели базирани на машинско учење. Покрај предвидување може да се повлечат податоци за градовите и сензорите добиени од pulse.eco за кои што се извршуваат тие предвидувања, како и историска архива на претходни метеоролошки вредности добиени од надворешни сервиси (Dark Sky и OpenWeather).
Повеќе детали може да се најдат на https://aqra.feit.ukim.edu.mk/, додека детали за системот се презентирани и во интервјуто на Александар за ТВ ТЕЛМА што може да се погледне на: https://www.youtube.com/watch?v=Y_tgy-703BU
Апликацијата е автоматизирана и самостојно презема податоци и прави (ре)тренирање.
Се работи за целосно функционален и документиран API backend дел кој е подготвен за користење. Клиентската апликација содржи приказ на топлинска мапа на загадувањето како и приказ на историски вредности за достапните загадувачи по локација. Исто така има страна со статистики за досегашни загадувања како и визуелизација на сите активни локации на кои што се поставени сензори за мониторирање.
———————————————————————-
AQRA започна како проект од љубопитност за машинско учење и развивање модели за предвидување на загадувањето врз основа на временските карактеристики во одредена област бидејќи оваа тема е актуелна овде во Македонија. Работата на проектот придонесе до стекнување на искуство и знаење за многу технологии кои што се користат во сегашноста за мали и големи апликации. Работата на проектот е сè уште во тек, но засега се одржува тековната имплементација и отворена е за предлози и повратни информации од крајните корисници кои сакаат да го користат визуелниот дел од апликацијата како и од програмерите кои сакаат да го имплементираат REST API-то за развој на нивни сопствени апликации.
Тренирањето на регресивни модели опфаќа детално проучување на сите карактеристики присутни во множеството на податоци и нивните вредности за да се има во предвид во наредните фази како да се пристапи кон ова множество за темелно и прецизно тренирање.
Точноста на регресивниот модел е малку потешка за илустрација. Невозможно е да се предвиди точната вредност, туку колку е блиско предвидувањето во споредба со реалната вредност. Со цел да се намалат грешките во предвидувањата имплементирано е решение на ретренирање на постоечките модели со нови вредности за да се освежи тековната состојба на моделите и да се збогати множеството на податоци со најнови вредности.
————————————————————————
За сите заинтересирани за соработка и понатамошно развивање на системот, еве неколку детали пренесени од Александар:
– За сега, во податочните множества на API-то се присутни само локации во Македонија, се надевам дека во иднина ќе можам да ги проширам податоците и за други локации.
– Моменталната состојба на API-то не е финална и има простор за дополнително подобрување.
– Повеќе информации околу користените технологии има на веб страницата на проектот (https://aqra.feit.ukim.edu.mk/)
– Поради малото податочно множество што го имам за временските услови, може да се забележи повторување на вредностите при предвидување, но со претходни тестови на поголеми податочни сетови се утврди дека моделите стануваат попрецизни.
– Од голема помош би било доколку некој има податочни сетови од претходните години, поради тоа што за сега имам (не)целосни податоци од Јуни 2021.
– Доколку имате дополнителни прашања во врска со имплементацијата и ресурсите, слободно контактирајте го Александар (контакт детали има на веб страницата на проектот).
