相关实验视频
Updated: Jun 23, 2025
06:05
Additive Manufacturing-Enabled Low-Cost Particle Detector
Published on: March 24, 2023
1.2K
通过机器学习方法优化颗粒物传感器监视器的多场景验证和评估
Hao Tang1, Yunfei Cai2, Song Gao3
1NHC Key Laboratory of Health Technology Assessment, Key Laboratory of Public Health Safety of the Ministry of Education, Department of Environmental Health, School of Public Health, Fudan University, Shanghai 200032, China.
Sensors (Basel, Switzerland)
|June 19, 2024
概括
传感器监测器在验证后准确地在室内和室外测量PM2.5和PM10. 随机森林模型,根据气候和PM比率进行调整,优化了可靠空气质量监测的性能.
科学领域:
- 环境科学 环境科学
- 空气质量监测 空气质量监测
- 传感器技术 传感器技术
背景情况:
- 颗粒物 (PM2.5和PM10) 对健康构成重大风险.
- 低成本的传感器监测器为广泛的空气质量评估提供了潜力.
- 对传感器性能与标准仪器的验证至关重要.
研究的目的:
- 评估和优化PM2.5和PM10测量的传感器监测器性能.
- 将传感器数据与室内和室外环境中的标准仪器进行比较.
- 确定用于传感器数据验证的最佳机器学习模型.
主要方法:
- 使用传感器监视器和标准仪器并行测量PM2.5和PM10.
- 在上海,室内2个月和室外1年的数据收集.
- 对六种机器学习模型 (包括随机森林) 进行验证的比较,以气象因素和颗粒物比率进行调整.
主要成果:
- 随机森林 (RF) 模型展示了PM2.5和PM10的卓越验证性能.
- 射频模型实现了高R2值 (高达0.97室内,0.90室外) 和低RMSE.
- 调整温度,相对湿度和PM2.5/PM10比率提高了验证准确度.
结论:
- 经过验证的传感器监测器提供了PM2.5和PM10的准确和可靠测量.
- 射频模型对气候和颗粒物比率进行了调整,提高了传感器数据的可靠性.
- 优化的传感器监测器适用于典型的室内和室外空气质量监测.
