━━━━━

2016年10月中旬，中國環護部官員僅在北京就查處了5處非法垃圾焚燒點和數十萬輛超標排放車輛。這是自前一年冬天污染高峰以來發布的首個空氣質量黃色預警。政府要求關閉電廠，并對北京的工廠和道路交通進行管制。

今年，政府和相關部門將配備來自IBM和微軟的預測工具，這兩款工具去年已經經受過嚴格的測試。北京市政府使用的是IBM工具，其數據來源較為傳統，比如北京35個官方多污染物空氣質量監測站，以及監測成本低但分布更為廣泛的來源，像環境監測站、交通系統、氣象衛星、地形圖、經濟數據甚至社交媒體等。微軟系統使用的數據來自全國3000多個站點。無論是IBM還是微軟的工具，都結合了傳統的大氣化學物理模型和機器學習等數據統計工具，以便在更短的時間里做出更好的預測。

黃進（Jin Huang，音）是IBM中國研究院（北京）的環境工程師，也是“綠色地平線”計劃的項目經理，他說：“我們的優勢或者說不同之處在于把這些來源都綜合在了一起。”IBM的3天預報準確率達80%以上，7~10天預報的準確率約為75%。目前，微軟正向環保部提供48小時預報，截至2015年，在北京地區其6小時預報的準確率達到75%，12小時準確率為60%。

歐洲哥白尼大氣監測服務機構（位于英格蘭雷丁）主任、大氣科學家文森特-亨利?樸奇（Vincent-Henri Peuch）表示，如何以最佳方式把物理模型和機器學習結合起來為空氣質量預測服務，是“一個研究熱門”。他補充道，二者結合是正確選擇：兩種模型都有可取的優勢，而且不會相互排斥。IBM現在在新德里和約翰內斯堡提供組合模型，北京的創業公司AirVisual也提供商業化的機器學習增強版預報。

━━━━━

在降低細顆粒污染水平方面，北京可以說取得了一些成功：據他們發布的結果，相較于2014年水平，2015年下降了6%。政府一方面具有降低空氣污染的壓力，另一方面也承受著避免經濟增長下滑的壓力。IBM的預測工具包含一個措施模擬裝置，例如，關閉一兩天城市逆風方向上的工廠或減少道路車輛。黃進說：“這款工具能夠預估每種干預會產生的排放結果和經濟結果。”

AirVisual、IBM和微軟都在提高其軟件的通用化程度，以適應不同地區的要求，一方面這需要整合不同地方的物理模型，另一方面也需要調整輸入數據類型及其不斷變化的參數。例如，約翰內斯堡僅有8個監測站，而北京卻有35個。不過，依然“有機會重新利用他們在南非開發的寶貴資產”，新成立的IBM約翰內斯堡研究實驗室計算機工程師塔皮瓦?M?齊韋韋（Tapiwa M. Chiwewe）如是說。

2016年，英屬哥倫比亞大學的一支研究團隊發表文章表示，每種設置可能都需要自己的機器學習類型。他們通過研究發現，多種學習類型的計算量取決于它們預先包含多少數據和在運行期間向程序輸入了多少數據。只有幾年空氣質量歷史數據的城市（例如北京）和具有多年歷史數據的城市，各自適用的最佳方案不盡相同，這也給努力為其城市選擇恰當系統的官員提出了一個挑戰。樸奇警告說，如果不采用同一地點的完全相同的數據集，很難對不同模型進行比較。

要把空氣質量降到世界衛生組織建議的水平，全球各大城市還有很長的路要走。《柳葉刀》上刊登的文章《2015年全球疾病負擔研究》稱，2015年，大氣顆粒物——不包括煙草煙霧——耗費了1.031億失能調整生命年（衡量人類生命質量和長度的標準），成為第六大有害疾病風險因素。因此，它也成為政府和企業的重要治理目標。一項預測顯示，在今后5年里，空氣質量監測市場每年將增長8.5%，達到56.4億美元。似乎也可以說，空氣質量預報市場也將增長。

作者：Lucas Laursen