实时检测室内空气中细菌真菌含量的机器学习方法

　　室内空气质量和人们的健康密切相关。近年来的科学研究表明，室内空气中的PM2.5和PM10含量和室内空气中细菌、真菌含量有显著相关性。然而，测量室内空气中细菌、真菌含量需要经过复杂、长达一周以上的采样和培育分析。因此，如何能越过复杂的培育测量，从而达到实时测量室内空气中的真菌细菌含量，一直是个令人头疼的问题。

　　近年来机器学习的进展日新月异，尤其阿尔法狗击败顶级围棋手的新闻还记忆犹新。最近，Hao Li(德克萨斯大学奥斯汀分校，University of Texas at Austin)和Guoqing Cao(中国建筑科学研究院，China Academy of Building Research)等科研人员通过分析室内空气环境数据，发现室内空气中的PM2.5、PM10、温度、湿度和二氧化碳浓度均与室内空气中细菌、真菌含量有着直接或间接的联系(图一：室内空气中细菌浓度和各项室内空气指标的潜在联系)。

　　图一

　　进而，通过利用机器学习对实验数据进行分析，他们以室内PM2.5、PM10、温度、湿度和二氧化碳浓度作为自变量，分别对细菌和真菌建立了两套人工神经网络预测模型(图二：人工神经网络对实时真菌含量的预测算法图)。他们的预测结果表明，无论是细菌还是真菌，都能够通过合适的人工神经网络模型对其进行实时、极速、准确的预测。

　　图二

　　相关学术文章

　　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.