如今，公眾比以往任何時候都關注空氣質量，起床打開手機看空氣質量已經成為習慣。空氣質量軟件也成為各種智能終端的出廠默認裝備。類似墨跡天氣、全國空氣質量等空氣質量預報軟件已經不止上百種。

 今年初，“全國空氣質量預報信息發布系統”上線，城市空氣質量預報發布內容包括未來24小時、48小時空氣質量指數范圍、空氣質量等級、首要污染物等預報信息。從此，空氣質量預報有了權威聲音。

 但發現，目前的空氣質量預警預報最多只能知曉未來7天的空氣狀況。想要知道更長時間或者更精確的空氣質量還比較困難。

 近日，走訪了IBM中國研究院綠色地平線研發團隊，“我們研發的大氣污染防治量化決策支持平臺可以支持全國367個城市預報和相關決策，對于未來3天，預測精度可以達到1km×1km，長期預測可以達到10天。如果數據資料比較完善的話，準確率可以超過80%以上。”IBM中國研究院副院長董進表示。

高精度追溯污染源模擬減排提供決策支撐

 進入IBM中國研究院的創新實驗室，記者看到了正在運行的大氣污染防治量化決策支持系統。系統左邊一欄有監測站點、遙感數據、排放清單、地貌地形、交通信息、社交媒體、宏觀數據7項數據信息。右上角功能欄里有環境大數據、三維可視化、減排駕駛艙、全景視圖、污染預報、天氣預報6項數據應用。

 “大數據是分析和決策的基礎，這7項環境大數據是所有功能的數據基礎。”IBM中國研究院博士張軍告訴記者。監測站點不僅包括每個污染監測站點過去24小時主要污染物的實時數據，如PM2.5、PM10、SO2、NO2、O3等，還包含各氣象監測站點的氣象觀測數據。遙感數據、地形地貌數據、交通信息數據都從不同層面增強空氣質量預警預報的準確性，其中交通信息數據依靠一個大型的交通流量仿真模型，可以同時對上百萬輛車的交通流量進行模擬。

 排放清單數據、社交媒體數據、宏觀經濟數據3類數據主要為大氣污染的治理工作提供決策支撐。排放清單數據可以實時更新，溯源污染源，宏觀經濟數據可以分析經濟與環境的關系，社交媒體數據可以及時預警環境問題。點擊社交媒體數據，記者直接可以看到某時間段內公眾搜索頻次最高的環境問題的詞匯是什么，最受關注的話題城市是哪幾個，系統還可以自動計算新聞媒體關于環境問題的報道數量、社交網絡的關注數量以及公眾參與數量等。“我們還有一個有意思的發現，北京的網民對空氣質量的敏感度要遠遠高于全國其他地方。”IBM中國研究院資深研發總監尹文君說。

 大氣污染防治量化決策支持平臺不僅可以精準預報空氣質量，還可以根據各站點的污染源數據、交通流量、地形地貌、氣象狀況，實時對各地的大氣污染進行溯源，清晰地知曉各污染源所占的比重，還可以精準分析周圍地區對當地污染的貢獻量。張軍隨手點擊了北京的一次重污染過程，系統可以實時分析出污染源的時空特點，以及污染源的構成情況，還可以清晰地看到其他主要城市對這次污染的貢獻占比。

 準確知曉污染源后，就可以利用決策支持平臺的減排駕駛艙功能，對污染物減排狀況進行模擬和對比。張軍點擊減排駕駛艙，在污染源控制策略中，選擇工業源、生活源、機動車不同的參數，就可以模擬出控制前和控制后PM2.5的變化，并直接分析出對經濟的影響。張軍以APEC期間的空氣預報為例，演示了系統如何預報10天的空氣質量趨勢，并仿真了不同的減排策略對經濟造成的影響，“這是政府決策的重要依據。”

認知計算培育“超級專家”輔助環境管理

 如何將這7項數據進行有機融合？如何實時實現大氣污染溯源？如何模擬不同污染物的削減對于空氣質量的影響？如何估算污染物削減帶來的經濟影響？記者隨后拋出一連串問題，董進詳細地進行了解答。

 “這主要是基于Watson認知計算技術融合多類型來源模型建立的可自調節的環境質量超級模型。”董進說，這就好比一個“超級專家”，他既是大數據挖掘專家，也是物理學家、化學家、經濟學家、統計學家。

 認知計算技術能夠模擬人學習的過程，主要是根據歷史數據，不同時間、位置、天氣情況、人類活動等信息進行動態深度學習，實現各類模型的融合。認知計算技術的出現主要得益于大數據時代的到來。以往數據量小，人可以依靠自身發現規律，而大數據出現之后，人已經沒有能力從海量的數據中去尋找規律，這就需要訓練機器像人一樣去思考、去學習，從而幫助人類發現規律，人類便可以利用這些規律做決策和判斷。

 董進表示，相較于傳統的空氣質量預測預警的方法，認知計算技術有獨特的優勢。傳統的物理模型、化學模型只能預測短期的空氣質量，并且由于沒有考慮到影響空氣質量的其他因素，準確率也受到一定影響。認知計算則不僅采用監測站點、氣象數據等方面的信息，還將交通信息、人流信息、社交媒體數據等空氣質量相關信息納入進來，通過整合結構化數據和圖片、聲音等非

 結構化數據，實現物理模型、化學模型、氣象模型、統計模型、大數據挖掘等模型的融合，形成更準確的空氣質量預警預報模型和決策支持模型，實現空氣質量預測。

 “而這些模型如何更好地融合正是認知計算技術的難點和重點。”董進說，“綠色地平線團隊本身集合了IBM全球研究院幾十位能源、環境及大數據分析領域的科學家，同時我們也積極地和國際及國內頂級氣象及環境研究機構密切合作，優勢互補，集成最先進的氣象及環境模型，推動超級模型完善。”

 認知計算技術依賴于數據的長期積累，超級模型需要通過這些歷史數據，比如通過學習什么樣的氣象條件、站點狀況，會出現什么樣的天氣后，模型便有了“經驗”，再次監測到相似的氣象條件時，便可以實現與歷史數據匹配，實現高準確度的預測。據了解，IBM已經與多地開展了合作，并初步取得成效，在數據比較完整的地區，后臺已經依靠模型智能分析出上千條規律。但是決策系統在認知學習過程中，可能會有幾種預測結果，這就需要專家會商，并與之后的實際情況進行比對，調整出一個更精準的模型。“超級專家”也就因此誕生了。

 比如，環境和經濟問題一直是一對相伴相生的矛盾，APEC期間，超級模型就模擬了上千個場景實現環境治理，以盡量減輕對經濟影響的方式實現環境治理。這就需要專家會商，并用最后的實際效果進行印證。這就是一個完整的學習過程。

 “認知計算是未來信息技術的發展方向，如何與環保行業的實際需求相結合仍是我們未來努力的方向。”董進表示。

綠色地平線起步信息技術助三大領域突破

 大氣污染防治量化決策支持平臺是IBM從2014年啟動的綠色地平線計劃的一部分。除了大氣污染防治外，綠色地平線計劃還致力于可再生能源高效利用和企業節能減排。

 可再生能源具有間歇性、不可控性等特點，風光一體化發電功率預測系統可以對可再生能源的發電功率進行超短期、短期以及中期預測，準確度高達90%以上，以便于可再生能源接入主干網。

 目前，這一系統已經為國家電網冀北電力有限公司的張北風光儲輸示范項目提升了10%的可再生能源接入量，這些增加的能源每年可供1.4萬個家庭使用。同時，系統在英國、日本、印度也都投入應用。

 致力于企業減排的智能區域能量管理系統，通過企業用能對比、成本計算等分析，為管理部門或高耗能行業（如鋼鐵、水泥、化工和有色金屬等）提供能源優化調度、節能管理及分析決策，助力工業企業實現綠色轉型。

 無論大氣污染治理，還是能源利用、企業節能，三大領域的突破都將依賴于認知計算、大數據分析、物聯網等最前沿的信息技術。

 尹文君認為，目前數據的應用還存在誤區，往往是直接從數據上升到應用。他認為，數據從產生到應用應該有3層，是一個金字塔的結構。最下面的一層是數據層，首先要把數據整合好。第二層是一個由高校、研究所、具有研發能力的企業組成的研發生態圈，高校、研究所要牽頭做一些前沿的理論研究，類似IBM研究院等科研機構要積極地與其他企業、高校聯手，“抱團取暖”，實現研發成果共享，而不是各自為營。第三層也就是金字塔頂層是數據的應用，這樣的結構才是穩固的，也才能實現數據長效應用。

 “認知計算的最高境界就是不僅可以為決策作支撐，還可以實現人機互補，這也是認知建模發展的方向。”尹文君表示。

■漲知識

微觀認知計算

 認知計算出自對于IBM人工智能超級計算機“沃森”的稱謂，而現在，它更多的代表著一種全新的大數據分析方式。

 “認知計算”是人工智能和大數據的“聯姻”。認知計算的提出，源于人類目前面臨的大數據挑戰。今天的大數據，不僅數量大、種類多、傳播速度快，并且大多是非結構化數據（圖像、語音、視頻等多媒體數據），其中存在很多不確定性，還參雜了一些不準確甚至是錯誤的信息。傳統IT技術已無法從根本上解決大數據的分析應用問題，亟待新的技術突破。

 作為IBM全球領先的技術創新，認知計算能夠實現大規模學習、針對問題的推理和思考，進行自然語言交互，增強和擴充人類在專業知識方面的學習能力，與人類合作解決人類和機器無法單獨解決的問題。

認知創新也需要結合物聯網、云計算與大數據分析。

 中國人工智能學會理事長李德毅曾表示，認知系統不是追求與人形似，而是需要實現交互、推理、思考、記憶和計算等復雜功能，讓互聯網、云計算、物聯網等技術為認知系統智能化提供有力支撐。

  使用微信“掃一掃”功能添加“谷騰環保網”

相關文章