基于物联网的监测系统和使用机器学习的空气质量预测用于喀麦隆的健康环境
Vitrice Ruben Folifack Signing1, Jacob Mbarndouka Taamté1, Michaux Kountchou Noube1
1Research Centre for Nuclear Science and Technology, Institute of Geological and Mining Research, P.O. Box 4110, Yaoundé, Cameroon.
Environmental monitoring and assessment
|June 15, 2024
概括
这项研究开发了一种低成本的实时空气质量监测系统,使用机器学习和物联网来预测空气污染水平. XGBoost在预测空气质量方面表现出卓越的表现,这对公共卫生和可持续发展目标至关重要.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 公共卫生 公共卫生
背景情况:
- 空气质量监测对于公共健康和实现可持续发展目标 (SDGs) 3.9和11.6至关重要.
- 现有的方法可能不是低成本或实时的,限制了广泛采用和立即公众意识.
- 空气质量指数 (AQI) 量化了污染物,向公众通报了健康风险.
研究的目的:
- 开发和评估使用机器学习 (ML) 和物联网 (IoT) 的低成本,实时空气质量监测系统.
- 根据空气质量指数 (AQI) 预测空气污染物水平并评估空气质量.
- 通过提供数据来减少对健康的影响和城市污染,为可持续发展目标3.9和11.6做出贡献.
主要方法:
- 一个硬件单元被设计用于检测污染物,如CO2,CH4,VOCs,NO2,CO和PM2.5.5.
- 数据从2022年11月到2023年2月在喀麦隆的石丰富和火山地区收集.
- 包括MLR,SVR,RFR,XGBoost和KNN在内的ML模型用于空气质量预测,并使用MAE,R-square和RMSE进行评估.
主要成果:
- 在选定的地区检测到不同度的污染物.
- AQI值从10到530不等,表明空气质量状况中等,可能有不良影响.
- XGBoost实现了最高的精度 (R平方0.9991,RMSE 1.5748,MAE 0.0872),超过了其他模型.
结论:
- 开发的系统是实时,低成本空气质量评估的可行原型.
- XGBoost对于研究区域的空气质量预测非常有效.
- 为喀麦隆全面的空气质量管理,建议进一步的长期全国部署.
更多相关视频
09:33Visualizing Field Data Collection Procedures of Exposure and Biomarker Assessments for the Household Air Pollution Intervention Network Trial in India
Published on: December 23, 2022
2.2K
08:47Author Spotlight: UAV Remote Sensing for Efficient Invasive Plant Biomass Estimation
Published on: February 9, 2024
1.4K
