利用时间信息改进基于机器学习的校准技术,用于低成本空气质量传感器
Sharafat Ali1, Fakhrul Alam2, Johan Potgieter3
1Department of Mechanical and Electrical Engineering, Massey University, Auckland 0632, New Zealand.
Sensors (Basel, Switzerland)
|May 11, 2024
概括
时间信息改善了低成本的空气质量传感器校准. 利用部署持续时间和一天中的时间可以提高一氧化碳 (CO) 和二氧化 (NO2) 监测的准确性.
科学领域:
- 环境科学 环境科学
- 传感器技术 传感器技术
- 数据科学数据科学数据科学
背景情况:
- 低成本的环境传感器提供高时空空污染监测.
- 这些传感器需要校准,因为与参考仪器相比,它们的精度较低.
研究的目的:
- 改进低成本空气污染物传感器的校准.
- 调查时间信息 (部署时间,一天的时间) 对传感器校准的有用性.
主要方法:
- 利用了来自同处的CO和NO2低成本和参考传感器的三个全球数据集.
- 应用机器学习模型 (随机森林,LSTM) 包含时间特征.
主要成果:
- 时间信息显著提高了基于机器学习的校准准确度.
- 证明了低成本传感器数据的可靠性提高.
结论:
- 时间数据是低成本传感器校准的有价值,未得到充分利用的共变量.
- 改进的校准提高了低成本传感器对空气质量监测的潜力.
