基于无线通信的空气污染预测:审查

科学领域:

• 环境科学 环境科学
• 计算机科学 计算机科学
• 传感器技术 传感器技术

背景情况:

• 人工智能 (AI) 和人工神经网络 (ANN) 为应对气候变化和空气质量提供了新的方法.
• 环境传感器为大气污染物提供了有价值的数据,但它们面临的挑战包括准确性,漂移和缓慢的响应时间.
• 机器学习使智能,上下文意识的系统能够进行事件预测和条件监控.

研究的目的:

• 通过各种无线协议审查和分类环境传感器的现有研究,以检测空气污染.
• 为了比较基于传感器,硬件,算法,功耗和传感精度的研究.
• 确定使用无人机用于空气污染检测的挑战和局限性.

主要方法:

• 基于无线协议 (Wi-Fi,蓝牙,ZigBee,LoRa,GPS,4G/5G) 的文献审查和已发表文章的分类.
• 对性能指标进行比较分析,包括传感器,硬件,算法,功耗和准确性.
• 确定与无人机空气污染监测相关的挑战.

主要成果:

• 该研究通过无线协议对研究进行了分类,并评估了不同空气污染检测系统的性能指标.
• 确定了当前传感器技术和无人机部署用于空气质量监测的局限性.
• 强调需要先进的算法来提高准确性和可靠性.

结论:

• 建议在基站实施反向传播 (BP) 神经网络系统,以加强空气污染检测.
• 这个智能系统旨在通过提供灵活的污染物水平跟踪和预测来克服传感器的局限性.
• 无人机为空气污染监测提供了显著的优势,补充了地面传感器网络.