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（PM2.5、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）

• 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。