室內(nèi)空氣質(zhì)量和人們的健康密切相關(guān)。近年來的科學研究表明，室內(nèi)空氣中的PM2.5和PM10含量和室內(nèi)空氣中細菌、真菌含量有顯著相關(guān)性。然而，測量室內(nèi)空氣中細菌、真菌含量需要經(jīng)過復雜、長達一周以上的采樣和培育分析。因此，如何能越過復雜的培育測量，從而達到實時測量室內(nèi)空氣中的真菌細菌含量，一直是個令人頭疼的問題。

　　近年來機器學習的進展日新月異，尤其阿爾法狗擊敗頂級圍棋手的新聞還記憶猶新。最近，Hao Li(德克薩斯大學奧斯汀分校，University of Texas at Austin)和Guoqing Cao(中國建筑科學研究院，China Academy of Building Research)等科研人員通過分析室內(nèi)空氣環(huán)境數(shù)據(jù)，發(fā)現(xiàn)室內(nèi)空氣中的PM2.5、PM10、溫度、濕度和二氧化碳濃度均與室內(nèi)空氣中細菌、真菌含量有著直接或間接的聯(lián)系(圖一：室內(nèi)空氣中細菌濃度和各項室內(nèi)空氣指標的潛在聯(lián)系)。

　　圖一

　　進而，通過利用機器學習對實驗數(shù)據(jù)進行分析，他們以室內(nèi)PM2.5、PM10、溫度、濕度和二氧化碳濃度作為自變量，分別對細菌和真菌建立了兩套人工神經(jīng)網(wǎng)絡(luò)預測模型(圖二：人工神經(jīng)網(wǎng)絡(luò)對實時真菌含量的預測算法圖)。他們的預測結(jié)果表明，無論是細菌還是真菌，都能夠通過合適的人工神經(jīng)網(wǎng)絡(luò)模型對其進行實時、極速、準確的預測。

　　圖二

　　相關(guān)學術(shù)文章

　　Liu, Zhijian, Hao Li, and Guoqing Cao. "Quick estimation model for the concentration of indoor airborne culturable bacteria: an application of machine learning." International Journal of Environmental Research and Public Health 14, no. 8 (2017): 857.

　　Liu, Zhijian, Kewei Cheng, Hao Li, Guoqing Cao, Di Wu, and Yunjie Shi. "Exploring the potential relationship between indoor air quality and the concentration of airborne culturable fungi: a combined experimental and neural network modeling study." Environmental Science and Pollution Research (2017): 1-8.