在越来越多的地方，机器学习正在改变空气质量预测的传统物理模型。最新的进展是在南非，在最近建立的 IBM 研究实验室中，计算机工程师 Tapiwa M. Chiwewe 将 IBM 的空气质量预测软件调试用于本地需求，增加新功能。这项研究是被称为“绿色地平线”项目的扩展内容，IBM 研究员们两年前开始与中国政府研究人员及官方人员合作。
科学家Tapioca M. Chiwewe 图片来源:IBM Research
上个月，在法国举行的第14届国际工业信息学大会上，Chiwewe 呈现了南非实验室的第一批结果，包括地面臭氧水平预测。“你可以进行很多物理研究，来理解臭氧如何来到不同的地方。”他说，“但是我们所做的只是收集很多数据，并在这些数据上训练机器，它们就能够预测本地臭氧水平，而不需要了解臭氧在大气中是以什么原理运作的。”
与中国一样，南非能源的很大一部分也依赖煤炭电力，因此也受困于充满颗粒物的有毒空气。虽然 Chiwewe 说他和南非的同事可以把在一部分中国开发的空气预测工具重复使用，不过必须针对本地特性进行调试。例如，南非有很长的采矿历史。矿业留下了很多暴露在空气中的尾矿厂，强风常常吹起微小颗粒，在下风的居民区中，空气质量就下降了。Chiwewe 说，他希望开发一个工具，可以识别起风的信号，并对附近居民提出预警。
约翰内斯堡还缺少北京那样密集的空气质量监测站:有报告称北京有35个监测站，相比之下，约翰内斯堡只有8个。为弥补这一缺陷，IBM 的系统设计中还包括从其他两个更低成本的传感器而来的数据，可能只包括一两种类型的监测（例如颗粒物），而非主要监测站所覆盖的全套气体和颗粒——Chiwewe说，北京可能有大约1000个较小的传感器。因此，他的团队必须调试机器学习系统的“教授”阶段，更有创造性地利用更少的数据。在获得更多地面数据之前，他们在研究一种中间办法:所谓的“虚拟监测站”，可以使用卫星等远程传感平台。
所有这些研究都可以帮助指引官方，目前政府官方正在为 IBM 研究人员提供公共监测站的数据，作为回报，将免费获得预测结果。随着预测越来越成熟，这里或其他地方的政府官方可以用这些结果来勒令重污染发电厂在污染严重时期或其它雾霾天气中减产，帮助现有法律更好地执行。长期预测可以帮助政府规划道路布置和区分，从而减少排放，或者至少，减少排放所带来的健康影响。
