AirVisual 报告来自政府和非政府监测机构的数据。 AirVisual 基于云的人工智能（AI）系统对所有数据进行持续监控和验证，该系统利用数十亿个空气质量数据点和模式识别来标记其认为不适当的数据。

政府监测站

政府监测站通常是高成本的 "参考监测器"。 这些通常被认为是最准确、最可靠的空气质量测量数据来源。 不过，政府的传感器有时也会出现问题，报告不准确的数据，比如污染读数突然变高。 造成这种情况的原因可能包括临时的维护或缺陷期，或传感器附近临时的超本地排放源。

因此，AirVisual 系统在发布所有政府传感器数据之前，都要通过数据验证系统。 这种验证过程的一个例子是：如果 AirVisual 基于云的系统发现某个站点发布的任何潜在异常（例如，PM2.5 从 10ug/m3 突然飙升到 100ug/m3，从一个小时到下一个小时），它会将数据与附近的其他测量数据进行交叉检查，以验证这种飙升是具有代表性的，还是异常现象。 我们还对照历史模式和其他参数（如天气条件）进行交叉检查。 根据交叉核对的结果，将公布或相应降低价值。

非政府监测站

除上述验证过程外，其他传感器也需要经过数据校准和修正过程。

该校准系统考虑到附近的温度和湿度等条件，并根据环境条件应用数据校准算法。 例如，在某些情况下，高湿度可能会导致低成本传感器过度报告 PM2.5 的水平。 因此，这种校准和修正算法除了考虑区域历史模式外，还考虑了当地湿度水平和其他环境参数，并相应调整 PM2.5 测量值。

调整水平由基于人工智能和机器学习的云系统决定。 多年来，AirVisual 系统汇总了 来自参考传感器、AirVisual 传感器、气象数据和卫星图像中的污染成分的 数十亿个全球空气质量数据点，并从中学习 。

如果您认为广播站有问题

所有最终发布在 AirVisual 平台上的数据都经过了严格的检查程序。 多年来，AirVisual 建立了最先进的空气质量数据验证系统，以确保数据的最佳准确性和可靠性。 不过，如果对数据仍有疑问，AirVisual 可以让用户报告某个台站可能存在的问题。 这确保了双重数据验证：来自系统和社区的数据验证。