Το PollenPred είναι ένα ευφυές μοντέλο εξομοίωσης και πρόβλεψης της εποχής και της παραγόμενης ποσότητας γύρης αλλεργειογόνων δέντρων για την προστασία ευπαθών σε αλλεργίες ομάδων πληθυσμού.
Στο πλαίσιο της ερευνητικής του δραστηριότητας, το Ινστιτούτο μέσω του προγράμματος ανάπτυξης βιομηχανικής έρευνας και τεχνολογίας (ΠΑΒΕΤ) του επιχειρησιακού προγράμματος «Ανταγωνιστικότητα» και σε συνεργασία με το Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, ολοκλήρωσε το παραπάνω αναφερόμενο έργο.
Πιο συγκεκριμένα, το έργο αφορούσε στην εκμετάλλευση των αρχών των ευφυών συστημάτων για την ανάπτυξη μοντέλων πρόβλεψης της άνθησης με χρήση μετεωρολογικών παραμέτρων. Με δεδομένο πλέον το χρόνο άνθησης ήταν δυνατή η πρόβλεψη της παραγωγής και διάχυσης της γύρης στην ατμόσφαιρα με σκοπό την έγκαιρη ενημέρωση των ιατρικών υπηρεσιών και των ευπαθών σε αλλεργίες ομάδων πληθυσμού για τις περιόδους υψηλού κινδύνου.
Η έκδοση προγνωστικών ημερήσιων δελτίων είναι σε θέση να παρέχει πληροφόρηση στους πολίτες ιδιαίτερα σε εκείνους που ανήκουν σε ευπαθείς ομάδες του πληθυσμού. Η παρακολούθηση των συλλήψεων γυρεόκοκκων στον αέρα χρησιμοποιήθηκε για την ανάπτυξη μοντέλων πρόβλεψης των εποχιακών εκπομπών γύρης. Δύο διαφορετικά είδη προβλέψεων υλοποιήθηκαν: μακροπρόθεσμες προβλέψεις (long term forecasts) και ημερήσια δελτία πρόγνωσης (daily forecasts). Η πρόβλεψη της εποχής εμφάνισης καθώς επίσης και των επιπέδων πυκνότητας της γύρης στην ατμόσφαιρα είναι εφικτή διότι εξαρτάται κατά κύριο λόγο από τις συνθήκες του περιβάλλοντος ενώ η διασπορά της γύρης στην ατμόσφαιρα εξαρτάται από τις συνθήκες αυτές σε συνδυασμό με στοιχεία τοπικά όπως για παράδειγμα το ανάγλυφο του εδάφους, τους κατά τόπους ανέμους, κλπ.
Η επίδραση των μετεωρολογικών παραμέτρων στην παραγωγή και την διάχυση της γύρης στην ατμόσφαιρα ήταν ένα ζήτημα που είχε απασχολήσει την επιστημονική κοινότητα. Η γύρη των δέντρων (ελιά, πεύκο κλπ) είναι από τους παράγοντες των οποίων η αλλεργειογόνος δράση ταλαιπωρεί μεγάλες μερίδες του πληθυσμού, ιδιαίτερα σε περιοχές που τα παραπάνω είδη βρίσκονται σε σχετική αφθονία όπως για παράδειγμα σε όλη την νησιωτική αλλά και τις παράκτιες περιοχές της ηπειρωτικής Ελλάδας. Η γύρη της ελιάς είναι ο κύριος αλλεργειογόνος παράγοντας σε διάφορες περιοχές της μεσογειακής λεκάνης (Dominguez et al. 1993; Florido et al. 1999, Spieksma, 1988; Frenguelli et al., 1989; D’Amato and Spieksma, 1991).
Στο πλαίσιο του έργου η ομάδα έργου επικεντρώθηκε στην ανάπτυξη ευφυών μοντέλων πρόβλεψης, και συγκεκριμένα νευρωνικών δικτύων (neural networks) και ασαφών συστημάτων (fuzzy systems), τα οποία ανήκουν στην γνωστική περιοχή των συστημάτων υπολογιστικής νοημοσύνης (computational intelligence). Τα μοντέλα αυτά παρουσιάζουν μια σειρά από σημαντικά πλεονεκτήματα σε σχέση με τα παραδοσιακά μοντέλα πρόβλεψης της βιβλιογραφίας, τα οποία βασίζονται κυρίως στην χρήση γραμμικών παλινδρομικών φίλτρων. Η υπεροχή των μοντέλων τεχνητής νοημοσύνης εστιάστηκε στα παρακάτω σημεία: α) Τα νευρωνικά δίκτυα και τα ασαφή συστήματα είναι παραμετρικά μοντέλα, όπου οι τιμές των παραμέτρων καθορίζεται με χρήση αλγορίθμων εκπαίδευσης (learning algorithms). Σαν συνέπεια, τα μοντέλα πρόβλεψης υπόκεινται σε μια διαδικασία προσαρμοστικής εκμάθησης (adaptive learning) με βάση ιστορικά δεδομένα εκπαίδευσης. β) Τα ευφυή μοντέλα τα οποία χρησιμοποιήθηκαν ήταν μη γραμμικά συστήματα, με πλούσια δυναμική και αυξημένες δυνατότητες παράστασης μιας οποιασδήποτε απεικόνισης εισόδου-εξόδου. Μοντέλα αυτού του τύπου είναι απαραίτητα για την προσομοίωση πολύπλοκων συστημάτων του πραγματικού κόσμου, όπου το ζητούμενο είναι η υλοποίηση σύνθετων εξαρτήσεων ανάμεσα στα δεδομένα εισόδου των μοντέλων και στην ποσότητα εξόδου που μας ενδιαφέρει.