Automatisk forudsigelse af dagens pollental
Miracle opbyggede en platform, som ved brug af machine learning forudsiger pollental bedre lokalt

Udfordring
Astma-Allergi Danmark havde et ønske om at kunne forudsige pollental med hjælp fra målinger kombineret med vejrdata. Dermed vil det dels være muligt at ramme ganske nøjagtigt, og dels vil man kunne forudsige pollental flere dage frem. Der er også potentiale i – med flere målestationer – at lave langt bedre forudsigelser lokalt.

Løsning
Miracle har færdiggjort en projektleverance til Astma-Allergi Danmark. Projektet havde til formål at opbygge en platform, som ved brug af machine learning kunne anvendes til at forudsige den kommende dags pollental på baggrund af vejrudsigten.
Vi benyttede en løsningsmetode bestående af tre trin:
- Dataindsamling og Præprocessering
Her indsamles og klargøres data, således at de kan fortolkes af en træningsalgoritme. - Træning af modeller
Her trænes en eller flere modeller på de klargjorte data. - Evaluering
Her testes modellens nøjagtighed. Er nøjagtigheden ikke høj nok, indsamler man enten nye data eller foretager yderligere præ-processering. Processen starter således forfra. Ved at følge denne løsningsmetode har vi opnået en nøjagtighed på 76%, hvilket er sammenligneligt med den nøjagtighed, eksperterne opnår, når de manuelt forudsiger den kommende dags pollenniveau.
Vejr- og pollendata
Miracle har konstrueret en model, som på baggrund af vejrdata kan forudsige den efterfølgende dags pollental. Vejrdataen er trukket fra Danmarks Meteorologiske Institut og indeholder målepunkterne minimum-, maksimum- og gennemsnitstemperatur samt gennemsnitlig vindhastighed, vindretning, lufttryk og nedbør – altsammen på dagsbasis.
Dataen, som beskriver mængden af pollen i luften, indsamles af Astma-Allergi Danmark, som driver og monitorerer alle pollenfælder i Danmark. Astma-Allergi Danmark’s pollenvarsel kommer i tre niveauer: lav, mellem og høj. Der skulle således konstrueres en machine learning-model, baseret på de beskrevne vejr- og pollendata, som på baggrund af vejrudsigten kunne forudsige om pollenniveauet den efterfølgende dag ville være lavt, mellem eller højt.
Konklusion
Med en nøjagtighed på niveau med eksperternes egne vurderinger, må projektet siges at være en succes. Udover at frigive tid hos eksperterne, giver modellen også helt nye muligheder.
Man kan for eksempel forestille sig at modellen kan anvendes i andre dele af landet. Gangbarheden af dette er afgjort af i hvor høj grad det er vejret og årstiderne, der bestemmer pollenniveauet, kontra hvor meget indflydelse den lokale flora har. Denne tilgang kan testes med data fra andre pollenmålestationer.
En anden meget interessant implikation er muligheden for at lave forudsigelser længere frem i tiden. Da modellen er baseret på vejrdata, kan man blot give den en 2- eller 3-døgns-vejrprognose og derved få en forudsigelse af pollenniveauet for den givne dag. Denne tilgang bliver selvfølgelig mere og mere unøjagtig des længere frem i tiden man forsøger at forudsige.
Tekniske detaljer kan findes i denne LinkedIn artikel.
Om kunden
Astma-Allergi Danmark arbejder for, at alle berørt af astma, allergi, høfeber og eksem får en bedre hverdag.
Det gør vi blandt andet ved at give råd og vejledning til mennesker berørt af astma, allergi, høfeber og eksem. Udvikle værktøjer, der kan hjælpe konkret i hverdagen (herunder app’s og kurser). Indsamle viden om, hvordan hverdagen ser ud for patienter og pårørende. Følge med i forskningen. Blande os i debatten og sætte politisk fokus på området.
Vi arbejder også på at styrke forebyggelsen. I dag er omkring 1,5 millioner danskere berørt af astma, allergi eller anden overfølsomhedssygdom, og tallet er stigende.
Vil du vide mere