相关实验视频
Updated: Sep 8, 2025
09:36
Measurement of Spatial Stability in Precision Grip
Published on: June 4, 2020
3.3K
使用ANFIS评估低成本传感器校准的可转移性:马来西亚普特拉贾亚的一个现场研究
Kemal Maulana Alhasa1, Mohd Shahrul Mohd Nadzir2, Sawal Hamid Md Ali3
1Research Center for Environmental and Clean Technology, National Research and Innovation Agency, Kawasan Puspiptek Gedung 820, Tangerang Selatan, 15314, Indonesia. kema003@brin.go.id.
Environmental monitoring and assessment
|July 31, 2025
概括
之前开发的臭氧传感器自适应神经模糊推理系统 (ANFIS) 模型在现场测试中显示出强大,可转移的性能. 然而,将更多的变量纳入可以提高高污染事件期间的准确性.
科学领域:
- 环境科学 环境科学
- 传感器技术 传感器技术
- 机器学习 机器学习
背景情况:
- 低成本传感器对于广泛的空气质量监测至关重要.
- 对于这些传感器的可靠现场部署,需要强大的校准模型.
- 适应性神经模糊推理系统 (ANFIS) 为传感器校准提供了一个潜在的解决方案.
研究的目的:
- 评估安菲斯预先开发的低成本臭氧传感器校准模型的稳定性和可转移性.
- 将ANFIS模型的现场性能与用于CO和NO2传感器的传统实验室校准模型进行比较.
- 为了确定局限性,并建议改进基于ANFIS的传感器校准.
主要方法:
- 在没有再培训的情况下,在新的现场部署了先前开发的ANFIS校准模型.
- 在马来西亚普特拉贾亚 (Putrajaya) 测试了两个月的模型.
- 将ANFIS模型性能 (R2,RMSE) 与实验室校准的CO和NO2传感器进行比较.
主要成果:
- ANFIS模型显示了OX-A431臭氧传感器的高性能 (R2 ≈ 0.9),证实了可转移性.
- 在高臭氧事件中发生了高达70ppb的偏差,可能是由于有限的输入变量造成的.
- 实验室校准的CO和NO2传感器显示出较差的现场性能 (R2 = 0.130.73).
结论:
- 场校准对于低成本空气质量传感器的准确性至关重要.
- ANFIS模型对可扩展的传感器网络有希望,但可能需要额外的参数来实现最佳性能.
- 未来的研究应该专注于将更多的环境和化学变量纳入校准模型.
