2021年10月19日 张慧春： 机器学习在环境领域中的应用

        张慧春，美国凯斯西储大学土木与环境工程系的Frank H. Neff讲席教授。2004年于佐治亚理工大学取得环境工程博士学位，1994年和1997年于南京大学分别获得环境化学学士和硕士学位。主要的研究领域是复合体系中氧化还原界面过程及新型污染物的迁移转化过程，以及高级氧化过程。最近的研究涉及利用机器学习来获得污染物的反应与吸附模型。研究发表在ES&T， Water Res.，Appl. Catal. B， Environmental International, Sci. Total Environ., Chemosphere等多个国际知名期刊上，包括最新出版的 Chemical Reviews和 ES&T feature。到目前为止共荣获6项美国国家自然科学基金，1 项美国农业部基金，及若干美国国家环保局，宾州和俄亥俄州环保局和其他资助单位的多项研究项目。现任 Environ. Res., Frontiers Environ. Sci. Eng., J. Environ. Eng. (ASCE) 副主编。曾任北美华人环境工程与科学教授协会(CAPEES) 会长 (2016-2017), 曾获 Nanova/CAPEES Frontier Research Award。

        随着大数据时代的到来，机器学习得到了快速的发展并被广泛应用到人们的生活中，例如人脸识别、语音翻译以及自动驾驶等。不同的学科领域每天都会产生大量且复杂的数据，这当然也包括环境领域。机器学习因而也将成为环境学者不可或缺的重要工具，许多复杂的环境问题在机器学习的帮助下得以解决。但是，机器学习是一个专业性较强的学科，在应用于环境领域时还存在诸多问题和挑战，当然也存在着许多机遇。这次演讲旨在呼吁环境学者大胆尝试机器学习去解决环境问题。演讲共分为六部分。第一部分介绍机器学习的基本概念以及在环境领域中的应用趋势，并提出了机器学习与环境领域可以相互促进发展的概念；第二部分以几个具体的例子展示机器学习是怎么具体解决环境问题的；第三部分概括机器学习目前在环境领域的四大应用：做预测，特征重要性，异常检测以及开发新材料。在每一个具体应用下，详细介绍了具体的工作机制。第四部分主要讲述机器学习在使用过程中所应具备的必要知识以及目前的不足。分别从建模前、建模中和建模后详细阐述应该注意到的问题。还指出目前应用的不足：缺乏模型解释和模型适用性分析，并解释这两点的重要意义。第五部分主要讲述目前机器学习应用到环境领域的挑战，包括但不限于数据稀缺与数据质量、过拟合、模型偏差、以及其他挑战。第六部分简介存在的机会与展望，包括平衡模型的准确度与解释性、数据分享、收集可靠数据、开发模型的潜在应用价值以及带来的新的教育机会。