━━━━━
2016年10月中旬，中国环护部官员仅在北京就查处了5处非法垃圾焚烧点和数十万辆超标排放车辆。这是自前一年冬天污染高峰以来发布的首个空气质量黄色预警。政府要求关闭电厂，并对北京的工厂和道路交通进行管制。
今年，政府和相关部门将配备来自IBM和微软的预测工具，这两款工具去年已经经受过严格的测试。北京市政府使用的是IBM工具，其数据来源较为传统，比如北京35个官方多污染物空气质量监测站，以及监测成本低但分布更为广泛的来源，像环境监测站、交通系统、气象卫星、地形图、经济数据甚至社交媒体等。微软系统使用的数据来自全国3000多个站点。无论是IBM还是微软的工具，都结合了传统的大气化学物理模型和机器学习等数据统计工具，以便在更短的时间里做出更好的预测。
黄进（Jin Huang，音）是IBM中国研究院（北京）的环境工程师，也是“绿色地平线”计划的项目经理，他说：“我们的优势或者说不同之处在于把这些来源都综合在了一起。”IBM的3天预报准确率达80%以上，7~10天预报的准确率约为75%。目前，微软正向环保部提供48小时预报，截至2015年，在北京地区其6小时预报的准确率达到75%，12小时准确率为60%。
欧洲哥白尼大气监测服务机构（位于英格兰雷丁）主任、大气科学家文森特-亨利•朴奇（Vincent-Henri Peuch）表示，如何以最佳方式把物理模型和机器学习结合起来为空气质量预测服务，是“一个研究热门”。他补充道，二者结合是正确选择：两种模型都有可取的优势，而且不会相互排斥。IBM现在在新德里和约翰内斯堡提供组合模型，北京的创业公司AirVisual也提供商业化的机器学习增强版预报。
━━━━━
在降低细颗粒污染水平方面，北京可以说取得了一些成功：据他们发布的结果，相较于2014年水平，2015年下降了6%。政府一方面具有降低空气污染的压力，另一方面也承受着避免经济增长下滑的压力。IBM的预测工具包含一个措施模拟装置，例如，关闭一两天城市逆风方向上的工厂或减少道路车辆。黄进说：“这款工具能够预估每种干预会产生的排放结果和经济结果。”
AirVisual、IBM和微软都在提高其软件的通用化程度，以适应不同地区的要求，一方面这需要整合不同地方的物理模型，另一方面也需要调整输入数据类型及其不断变化的参数。例如，约翰内斯堡仅有8个监测站，而北京却有35个。不过，依然“有机会重新利用他们在南非开发的宝贵资产”，新成立的IBM约翰内斯堡研究实验室计算机工程师塔皮瓦•M•齐韦韦（Tapiwa M. Chiwewe）如是说。
2016年，英属哥伦比亚大学的一支研究团队发表文章表示，每种设置可能都需要自己的机器学习类型。他们通过研究发现，多种学习类型的计算量取决于它们预先包含多少数据和在运行期间向程序输入了多少数据。只有几年空气质量历史数据的城市（例如北京）和具有多年历史数据的城市，各自适用的最佳方案不尽相同，这也给努力为其城市选择恰当系统的官员提出了一个挑战。朴奇警告说，如果不采用同一地点的完全相同的数据集，很难对不同模型进行比较。
要把空气质量降到世界卫生组织建议的水平，全球各大城市还有很长的路要走。《柳叶刀》上刊登的文章《2015年全球疾病负担研究》称，2015年，大气颗粒物——不包括烟草烟雾——耗费了1.031亿失能调整生命年（衡量人类生命质量和长度的标准），成为第六大有害疾病风险因素。因此，它也成为政府和企业的重要治理目标。一项预测显示，在今后5年里，空气质量监测市场每年将增长8.5%，达到56.4亿美元。似乎也可以说，空气质量预报市场也将增长。
作者：Lucas Laursen
往期推荐
