近年来，人工智能技术已广泛应用于多个领域的产品技术创新与升级，其中，机器学习作为人工智能的分支，也受到了众多的关注及研究。机器学习是指机器尝试模仿人类的学习能力，从已知数据中获得规律，并利用规律对未知数据进行预测或理解。

中科三清研发团队基于海量的污染观测数据及气象预报数据，融合少数样本过采样、在线学习等多种技术方法，构建了以机器学习XGBoost算法为核心的空气质量预报模型Xair。该模型可实现城市/站点常规污染物（PM_2.5、PM₁₀、O₃、NO₂、CO、SO₂）的预报，为精准预知大气污染发展态势和大气环境精细化管控提供科学依据。

（图为技术路线）

通过对2021年3月1日至6月15日全国30个城市预报效果的评估分析，结果表明，空气质量预报模型Xair具有较好的预报效果，模型可较为精准的预测出污染物的浓度变化趋势和量值，AQI等级预报准确率超过80%的城市占比为87%（24小时时效）。同时，空气质量预报模型Xair在对O₃及NO₂的预报中有明显的效果提升，O₃及NO₂预报结果与观测结果相关系数大于0.6的城市占比达97%，相关系数大于0.8的城市占比为54%。

特色与亮点

• 对模型训练所需的样本数据进行重构，保证不同种类样本数量的均衡性，提升了模型对污染物浓度低值与高值的预测效果。

• 对模型训练所需的数据进行特征工程的构建，保留重要特征进入模型，提高了模型训练效率。

• 空气质量预报模型Xair设计了在线学习策略，可自动更新算法参数，匹配本地不断变化的污染特征。

• 空气质量预报模型Xair所需计算资源少且计算速度快，可同时实现未来7-15天小时尺度的预报，以及逐小时滚动预报未来72小时的短临预报。

应用场景

• 空气质量预报预警

基于城市/站点未来长时次的预报，空气质量预报模型Xair可支撑日常空气质量业务预报，为政府管理部门提前防控布局、科学施策提供依据，也可以为公众提供预警信息服务。

• 重大活动保障

基于城市/站点逐小时滚动的短临预报，空气质量预报模型Xair可支撑重大活动保障期间精细化预报，为精准研判、快速制定应急管控措施提供依据。

基于机器学习技术的空气质量预报可作为预报方法的补充，与数值预报互相配合，空气质量预报模型Xair能在时间和空间尺度上更全面、精准地反应大气环境的演变，对本产品感兴趣的客户，欢迎留言或私信了解更多。未来，中科三清将秉承开放、求知的心态，持续推动新兴技术在环保领域各应用场景的切实落地，以创新产品为政府管理和决策部门提供更有力的科技支撑。