将人工智能与传统方法相结合可以帮助我们预测空气质量

加拿大极端火灾季节产生的野火烟雾让很多人思考空气质量，所有空气中都含有气态化合物和小颗粒。但随着空气质量恶化，这些气体和颗粒会引发哮喘，并在进入鼻子、喉咙和肺部，甚至在血液中循环时加剧心脏和呼吸系统问题。

在大多数城市，很容易找到每日空气质量指数分数，告诉您何时空气被认为是不健康甚至危险的。然而，预测未来几天的空气质量并不是那么简单。

科学家如何预测空气质量

为了预测不久的将来的空气质量，科学家通常依靠两种主要方法：化学 运输模型或机器学习模型。这两种模型以完全不同的方式生成结果。

化学输运模型使用许多已知的化学和物理公式来计算空气污染物的存在和产生。他们使用当地机构报告的排放清单数据，这些数据列出了来自已知来源的污染物，如交通或工厂，以及来自气象学的数据，这些数据提供了大气信息，如风、降水、温度和太阳辐射。

这些模型模拟空气污染物的流动和化学反应。然而，他们的模拟涉及具有巨大不确定性的多个变量。例如，混浊会改变入射的太阳辐射，从而改变光化学。这可能会使结果不太准确。

相反，机器学习模型从历史数据中学习一段时间内的模式，以预测任何给定地区的未来空气质量，然后将这些知识应用于当前条件以预测未来。

机器学习模型的缺点是它们不像化学 运输模型那样考虑任何化学和物理机制。此外，如果模型没有在此类数据上进行训练，则在极端条件下（例如热浪或野火事件）下机器学习预测的准确性可能会降低。因此，虽然机器学习模型可以显示最有可能出现高污染水平的地点和时间，例如在高速公路附近的高峰时段，但它们通常无法处理更多的随机事件。

哪个更好？

科学家们已经确定，这两个模型本身都不够准确，但同时使用两个模型的最 佳属性可以帮助更好地预测我们呼吸的空气质量。

这种组合方法称为机器学习 - 测量模型融合或ML-MMF，能够提供基于科学的预测，准确率超过90%。它基于已知的物理和化学机制，可以模拟从空气污染源到鼻子的整个过程。添加卫星数据可以帮助他们更准确地向公众通报空气质量安全水平和污染物的传播方向。

我们最近将所有三个模型的预测与实际污染测量结果进行了比较。结果令人震惊：组合模型比化学 运输模型准确66%，比单独的机器学习模型准确12%。

化学传输模型仍然是当今用于预测空气质量的最常见方法，但机器学习模型的应用正变得越来越流行。随着信息来源变得更加可靠，组合模型将成为预测危险空气质量的更准确方法。