通过低成本的自主平台和传感器校准通过机器学习与全球数据相关性增强监测二氧化

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:

• 空气质量,特别是二氧化 (NO2) 含量,对人类健康和经济产生重大影响.
• 精确的NO2检测对于污染控制至关重要,但可靠的设备很昂贵,而低成本的传感器缺乏精度和稳定性.
• 现有的低成本NO2传感器对环境条件很敏感,这限制了它们的实际应用.

研究的目的:

• 为低成本的NO2传感器提出并验证一种新的,精确的校准方法.
• 开发一个成本效益高的自主平台,用于NO2监测.
• 为了提高广泛,负担得起的NO2传感技术的准确性和可靠性.

主要方法:

• 开发一个定制的自主平台,集成各种传感器,控制和通信单元.
• 使用神经网络 (NN) 和 kriging 插值元模型实施校准策略.
• 利用参考站的数据和各种环境参数 (温度,压力,湿度) 来进行模型构建.
• 预测亲缘校正系数,并纳入全球相关性增强阶段.

主要成果:

• 开发的平台和校准方法证明了可靠和成本效益的NO2监测的可行性.
• 增强的传感器实现了高预测能力,与参考数据相比,相关系数接近0.9.
• 根平均平方误差 (RMSE) 低于3.5μg/m3,相当于昂贵的参考设备.

结论:

• 拟议的校准方法显著提高了低成本NO2传感器的准确性和可靠性.
• 这种方法为广泛的,具有成本效益的二氧化环境监测提供了可行的解决方案.
• 该研究验证了先进数据分析技术的潜力,以提高负担得起的传感器网络的性能.