室內(nèi)空氣質(zhì)量和人們的健康密切相關(guān)。近年來(lái)的科學(xué)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(xì)菌、真菌含量有顯著相關(guān)性。然而，測(cè)量室內(nèi)空氣中細(xì)菌、真菌含量需要經(jīng)過(guò)復(fù)雜、長(zhǎng)達(dá)一周以上的采樣和培育分析。因此，如何能越過(guò)復(fù)雜的培育測(cè)量，從而達(dá)到實(shí)時(shí)測(cè)量室內(nèi)空氣中的真菌細(xì)菌含量，一直是個(gè)令人頭疼的問(wèn)題。

　　近年來(lái)機(jī)器學(xué)習(xí)的進(jìn)展日新月異，尤其阿爾法狗擊敗頂級(jí)圍棋手的新聞還記憶猶新。最近，Hao Li(德克薩斯大學(xué)奧斯汀分校，University of Texas at Austin)和Guoqing Cao(中國(guó)建筑科學(xué)研究院，China Academy of Building Research)等科研人員通過(guò)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(xì)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(xì)菌濃度和各項(xiàng)室內(nèi)空氣指標(biāo)的潛在聯(lián)系)。

　　圖一

　　進(jìn)而，通過(guò)利用機(jī)器學(xué)習(xí)對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)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(duì)細(xì)菌和真菌建立了兩套人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型(圖二：人工神經(jīng)網(wǎng)絡(luò)對(duì)實(shí)時(shí)真菌含量的預(yù)測(cè)算法圖)。他們的預(yù)測(cè)結(jié)果表明，無(wú)論是細(xì)菌還是真菌，都能夠通過(guò)合適的人工神經(jīng)網(wǎng)絡(luò)模型對(duì)其進(jìn)行實(shí)時(shí)、極速、準(zhǔn)確的預(yù)測(cè)。

　　圖二

　　相關(guān)學(xué)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.