据估计，空气污染每年导致700万人死亡，世界各地的城市正被迫采取行动，尽其所能降低居民面临的风险。

 

拉夫堡大学(Loughborough University)的一组计算机科学家认为，沐鸣测速他们的人工智能系统有潜力为研究对空气污染水平有重大影响的环境因素提供新的视角。

 

特别是它关注的PM2.5颗粒的空气中,颗粒物的直径小于2.5μm经常特征时导致城市和hazy-looking空气能见度水平很高。

 

2013年，一项涉及9个欧洲国家的312,944人的研究显示，空气中的颗粒物没有安全水平。

 

PM2.5颗粒被发现尤其致命,增加36%肺癌归咎于每10μg / m3渗透到肺部深处。

 

2016年，沐鸣测速全球范围内PM2.5的暴露导致410万人死于心脏病、中风、肺癌、慢性肺病和呼吸道感染。

 

已经有一些系统可以预测PM2.5，但拉夫伯勒的研究试图将这项技术提升到一个新的水平。

 

研究人员开发的系统可以提前预测PM2.5水平——1小时到几个小时，再加上1-2天。

 

它解释了用于预测的各种因素和数据，有助于更好地了解影响PM2.5的天气、季节和环境因素

 

它甚至可以预测PM2.5水平，以及空气污染指数可能在其中的一系列数值——即所谓的“不确定性分析”。

 

它还可以作为空气污染分析工具，用于碳信用交易系统。

 

该系统的不确定性分析和理解影响PM2.5的因素的能力尤其重要，沐鸣测速地址因为它们将使潜在的终端用户、决策者和科学家更好地了解PM2.5的相关原因以及预测的可靠性。

 

拉夫伯勒团队用机器学习创建了这个系统，并使用北京空气污染的公共历史数据来训练和测试算法。在161个空气污染严重的中国城市中，有145个城市被选为重点关注对象。

 

开发的系统现在将在部署在中国深圳的传感器捕获的实时数据上进行测试。

 

项目负责人秦刚教授说:“空气污染是全世界，特别是许多发展中国家面临的长期积累的挑战。

 

“这个项目旨在测量和预测空气质量和污染水平。探讨将碳排放实时信息与端到端碳信用交易相结合的可行性，致力于控制碳排放，减少温室气体排放。

 

“我们希望这项研究将有助于为社区带来更清洁的空气，并在未来改善人们的健康。”