0
Tapioca M. Chiwewe 是南非約翰內斯堡 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，用于預測空氣質量。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量預測的傳統物理模型。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 的空氣質量預測軟件調試用于本地需求，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屆國際工業信息學大會上，Chiwewe 呈現了南非實驗室的第一批結果，包括地面臭氧水平預測。“你可以進行很多物理研究，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據，并在這些數據上訓練機器，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。”
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的空氣預測工具重復使用，不過必須針對本地特性進行調試。例如，南非有很長的采礦歷史。礦業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，在下風的居民區中，空氣質量就下降了。Chiwewe 說，他希望開發一個工具，可以識別起風的信號，并對附近居民提出預警。
約翰內斯堡還缺少北京那樣密集的空氣質量監測站：有報告稱北京有35個監測站，相比之下，約翰內斯堡只有8個。為彌補這一缺陷，IBM 的系統設計中還包括從其他兩個更低成本的傳感器而來的數據，可能只包括一兩種類型的監測（例如顆粒物），而非主要監測站所覆蓋的全套氣體和顆粒——Chiwewe說，北京可能有大約1000個較小的傳感器。因此，他的團隊必須調試機器學習系統的“教授”階段，更有創造性地利用更少的數據。在獲得更多地面數據之前，他們在研究一種中間辦法：所謂的“虛擬監測站”，可以使用衛星等遠程傳感平臺。
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測站的數據，作為回報，將免費獲得預測結果。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果來勒令重污染發電廠在污染嚴重時期或其它霧霾天氣中減產，幫助現有法律更好地執行。長期預測可以幫助政府規劃道路布置和區分，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
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
