通过多频噪声测量估计近路空气污染
Masoud Fallah-Shorshani1, Scott Fruin1, Xiaozhe Yin2
1Department of Population and Public Health Sciences, University of Southern California, 1845 N Soto St, Los Angeles, CA, USA.
The Science of the total environment
|June 12, 2024
概括
本研究介绍了一种使用噪声频率和机器学习的成本效益高的方法,用于监测道路附近的空气污染,包括颗粒物 (PM2.5) 和二氧化 (NO2). 该方法为城市地区提供了高分辨率,可靠的空气质量数据.
科学领域:
- 环境科学 环境科学
- 声学 声学 在声学方面
- 数据科学数据科学数据科学
背景情况:
- 空气污染监测对公共卫生和政策至关重要,但成本昂贵.
- 密集的传感器网络成本极高,需要更低成本的替代方案.
- 道路附近的污染需要局部,高分辨率的监测.
研究的目的:
- 开发一种具有成本效益的方法来估计道路附近的空气污染物.
- 利用噪声频率测量与机器学习相结合,用于空气质量评估.
- 提供高时间分辨率 (1分钟) 的污染物估计.
主要方法:
- 在繁忙的高速公路附近收集了同处的噪音和空气质量数据.
- 采用机器学习模型,将噪声频率与污染物水平相关联.
- 专注于估计颗粒物 (PM2.5),二氧化 (NO2) 和黑碳 (BC).
主要成果:
- 实现了对NO2,PM2.5和BC的优秀模型性能.
- NO2预测显示皮尔森的R值为0.87,误差很小 (10%的高峰时间水平).
- 关键预测因素包括特定的噪声频率 (40,500,800赫兹) 和风向.
结论:
- 基于噪声频率的机器学习方法是近路空气质量监测的可行,具有成本效益的解决方案.
- 这种方法可以补充现有的监测网络,提供高分辨率数据.
- 该技术具有城市空气质量管理和公共卫生保护的潜力.
