多传感器平台用于预测空气质量监测

科学领域:

• 室内空气质量监测室内空气质量监测
• 环境传感和控制环境传感和控制
• 物联网 (IoT) 应用程序物联网 (IoT) 应用程序

背景情况:

• 二氧化碳 (CO2) 显著影响室内空气质量和居住者健康.
• 传统的空气质量控制系统需要长时间的大量数据,这限制了适应能力.
• 乘客行为和环境条件的动态变化需要适应性监控解决方案.

研究的目的:

• 开发一个适应性物联网平台,用于准确的,短期的二氧化碳度预测.
• 为了实现HVAC系统的积极控制,以提高室内空气质量和能源效率.
• 克服传统方法的局限性,需要长期的数据培训.

主要方法:

• 基于物联网范式的自适应性硬件软件平台的开发.
• 使用有限的近期数据窗口进行二氧化碳趋势分析.
• 评估三种深度学习算法,包括长期短期记忆 (LSTM) 网络.
• 在现实生活环境中进行测试,参数包括体力活动,温度,湿度和二氧化碳水平.

主要成果:

• 开发的物联网系统在预测二氧化碳趋势方面取得了很高的准确性.
• 长短期记忆 (LSTM) 网络在评估的算法中表现出卓越的性能.
• 通过仅10天的训练期,获得了大约10ppm的根平均平方误差 (RMSE).

结论:

• 适应性物联网平台有效地使用最小的最新数据预测室内二氧化碳水平.
• LSTM网络为准确和及时的空气质量预测提供了强大的解决方案.
• 该系统提供了一种具有成本效益和响应性的方法来管理室内空气质量和HVAC系统.