22、AI在空气污染与环境健康领域的应用：从数据挖掘到决策支持

AI在空气污染与环境健康领域的应用：从数据挖掘到决策支持

1. 空气污染溯源与决策支持

准确地将污染物追溯到其排放源具有重要意义。这不仅能让监管机构更好地监测排放者，还有助于更新相关法律，减轻空气污染对人类和环境的影响。

目前，现有的研究主要集中在室外和城市空气污染方面，致力于将特定的空气污染物分配到潜在的排放源，如工业场所、特定区域和主要交通路口等。为了实现这一目标，研究人员运用了聚类和数据分析方法，以确定特定气象参数、交通状况、燃油设备以及工业活动与空气污染之间的关联和重要性。例如，有研究利用顺序模式挖掘技术来研究 PM2.5 的时空模式。

准确的预测模型在科学研究和决策制定方面具有巨大潜力。深度学习由于能够整合多模态数据，可成为预测过去和未来暴露情况的有效手段，其依据是土地使用、交通和建筑环境的已知或预期变化。此外，它还能帮助识别需要优先进行详细监测和监控的区域。

现有的相关研究聚焦于发现化学混合物与健康结果之间的关联，结合污染源分配，为公共政策制定者提供了重要指导。这包括加强对与不良健康结果相关化学品的监管、与相邻地区合作减少上风向排放的影响，以及调整工业分区以降低有害化学混合物共存的风险。同时，预测模型还可用于确定人员配置和其他公共卫生需求。例如，有研究使用 PM 监测数据来预测心血管和呼吸系统疾病的住院情况，还有研究利用 Twitter 和 Google 搜索等多数据源来预测哮喘相关的急诊就诊情况，从而指导人员配置水平。

2. DoMiNO 项目案例研究

DoMiNO 项目是一项跨学科研究，旨在填补孕期暴露于空气中化学混合物与不良出生结局（ABOs）之间的知识空白。该项目运用了数据挖掘和知识发现领域的先进