AirVisual 平台旨在集中和匯總目前可用的盡可能多的空氣品質信息，以便提供全球空氣品質最全面的概覽。

透過 AirVisual 平台報告的數據來源包括來自政府監測站（通常被認為是高成本的「參考監測器」）的感測器數據，以及公共 AirVisual Pro 站和 PurpleAir 感測器等低成本感測器。

透過 AirVisual 平台發布的所有資料均需經過資料驗證，且此流程在這兩個感測器資料來源之間有所不同。

AirVisual 的資料驗證系統是基於雲端並由機器學習驅動，所有測量結果在發佈到我們的平台之前都會通過該系統。

政府「參考」感測器資料
​

儘管高成本的政府感測器通常被認為是測量空氣品質數據的最準確和可靠的來源，但有時這些感測器也會報告異常或不準確的數據。 造成這種情況的原因可能包括臨時維護或缺陷，甚至感測器附近的臨時超本地發射源。

因此，所有政府感測器資料在發布之前都要經過資料驗證系統。 這種驗證的一個例子是，基於雲端的系統可以識別站點發布的任何潛在異常情況（例如，PM2.5 從一小時到下一小時突然從 10ug/m3 飆升至 100ug/m3），並且將與附近的其他測量值進行交叉檢查，以驗證此類峰值是否具有代表性或異常。 驗證過程也會根據歷史模式和天氣條件等其他參數進行交叉檢查。 然後該價值將被公佈或相應地折扣。

低成本感測器
​

除了上述驗證過程之外，低成本感測器的測量結果還需要經過資料校準和校正過程，這將識別並消除異常讀數。

該系統應用於低成本感測器，考慮了溫度、濕度、污染成分等附近條件，並應用基於環境條件的資料校準演算法。 例如，在某些情況下，高濕度可能會導致低成本感測器過度報告 PM2.5 水平。 同樣，污染成分（交通產生的污染、沙塵暴、煤炭污染等）對測量有很大影響，AirVisual 平台使用衛星影像來確定校準機制中使用的污染成分。 因此，這個校準 & 校正演算法除了區域歷史模式之外，還考慮了當地濕度水平和其他環境參數，並相應地調整 PM2.5 測量值。

調整等級由基於人工智慧 & 機器學習所建構的雲端系統決定。 透過多年來匯總來自參考感測器、AirVisual 感測器、氣象數據和衛星影像污染成分的數十億個全球空氣品質數據點，該系統一直在學習世界不同地區不同空氣品質參數之間的複雜歷史關係。

由於世界不同地區的 PM 成分差異很大，因此區分 PM 與當地/區域濕度等因素的相關性至關重要。 這些相關性可能會根據 PM 的不同局部成分而變化很大，因此必須考慮局部校準和校正演算法。