Tapioca M. Chiwewe 是南非約翰內(nèi)斯堡 IBM Research 的研究科學家，他和同事正在擴展公司的機器學習技術(shù)，用于預測空氣質(zhì)量。圖片來源：IBM Research。

在越來越多的地方，機器學習正在改變空氣質(zhì)量預測的傳統(tǒng)物理模型。最新的進展是在南非，在最近建立的 IBM 研究實驗室中，計算機工程師 Tapiwa M. Chiwewe 將 IBM 的空氣質(zhì)量預測軟件調(diào)試用于本地需求，增加新功能。這項研究是被稱為“綠色地平線”項目的擴展內(nèi)容，IBM 研究員們兩年前開始與中國政府研究人員及官方人員合作。

上個月，在法國舉行的第14屆國際工業(yè)信息學大會上，Chiwewe 呈現(xiàn)了南非實驗室的第一批結(jié)果，包括地面臭氧水平預測?！澳憧梢赃M行很多物理研究，來理解臭氧如何來到不同的地方。”他說，“但是我們所做的只是收集很多數(shù)據(jù)，并在這些數(shù)據(jù)上訓練機器，它們就能夠預測本地臭氧水平，而不需要了解臭氧在大氣中是以什么原理運作的?！?/p>

與中國一樣，南非能源的很大一部分也依賴煤炭電力，因此也受困于充滿顆粒物的有毒空氣。雖然 Chiwewe 說他和南非的同事可以把在一部分中國開發(fā)的空氣預測工具重復使用，不過必須針對本地特性進行調(diào)試。例如，南非有很長的采礦歷史。礦業(yè)留下了很多暴露在空氣中的尾礦廠，強風常常吹起微小顆粒，在下風的居民區(qū)中，空氣質(zhì)量就下降了。Chiwewe 說，他希望開發(fā)一個工具，可以識別起風的信號，并對附近居民提出預警。

約翰內(nèi)斯堡還缺少北京那樣密集的空氣質(zhì)量監(jiān)測站：有報告稱北京有35個監(jiān)測站，相比之下，約翰內(nèi)斯堡只有8個。為彌補這一缺陷，IBM 的系統(tǒng)設(shè)計中還包括從其他兩個更低成本的傳感器而來的數(shù)據(jù)，可能只包括一兩種類型的監(jiān)測（例如顆粒物），而非主要監(jiān)測站所覆蓋的全套氣體和顆?！狢hiwewe說，北京可能有大約1000個較小的傳感器。因此，他的團隊必須調(diào)試機器學習系統(tǒng)的“教授”階段，更有創(chuàng)造性地利用更少的數(shù)據(jù)。在獲得更多地面數(shù)據(jù)之前，他們在研究一種中間辦法：所謂的“虛擬監(jiān)測站”，可以使用衛(wèi)星等遠程傳感平臺。

所有這些研究都可以幫助指引官方，目前政府官方正在為 IBM 研究人員提供公共監(jiān)測站的數(shù)據(jù)，作為回報，將免費獲得預測結(jié)果。隨著預測越來越成熟，這里或其他地方的政府官方可以用這些結(jié)果來勒令重污染發(fā)電廠在污染嚴重時期或其它霧霾天氣中減產(chǎn)，幫助現(xiàn)有法律更好地執(zhí)行。長期預測可以幫助政府規(guī)劃道路布置和區(qū)分，從而減少排放，或者至少，減少排放所帶來的健康影響。

via IEEE Spectrum

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。