基于数值理论和统计理论可以建立空气质量预报模型，为大气科学家和政府提供参考。
第一种方法概述了真实大气的基本物理和动力学过程、化学反应和各种类型的排放。第二种方法使用统计工具来捕捉历史气象、空气质量数据集的模式，并训练一个预测模型。通过对不可见数据实例预测的评价，该模型可用于空气质量预测。
许多研究者选择数值模型来实现他们的目标，因为计算结果基于真实世界的模拟，可以在一定程度上再现污染物的时空变化。
机器学习正在成为数据科学的前沿，甚至在所有科学领域，在非线性问题(二次污染物(O3, SOA等)是通过非线性化学反应形成的)中显示出强大的能力。
使用机器学习方法来改善空气质量预测的可能性有多大?
