一个集成的低成本空气质量传感器和颗粒物多任务校准框架

科学领域:

• 环境科学 环境科学
• 传感器技术 传感器技术
• 公共卫生 公共卫生

背景情况:

• 空气污染对健康构成重大风险,需要有效的监测解决方案.
• 低成本传感器 (LCS) 是有希望的,但往往缺乏电力独立性,数据质量需要改进.
• 现有的LCS校准方法往往忽略了传感器特异性和空间因素.

研究的目的:

• 开发一个集成的,无线和自动供电的LCS,用于同时监测多种空气污染物.
• 使用TabNet提出一种新的多任务校准框架,以提高PM2.5和PM10测量的准确性.
• 调查传感器差异,空间自相对应和太阳顶角对LCS校准的影响.

主要方法:

• 开发一个独立于外部电源的集成无线LCS系统.
• 实施一个使用TabNet深度学习模型的多任务校准框架.
• 在校准模型中包括气象变量,传感器差异 (SD),空间自相对应 (SA) 和太阳顶角 (SZA).

主要成果:

• 拟议的校准框架显著改善了PM2.5 (0.919至0.942) 和PM10 (0.909至0.938) 的R平方值.
• 模型通过十倍的交叉验证和成功的现场泛化展示了强大的性能.
• 分析显示,传感器的近距离并不总是与改进的概括性能相关.

结论:

• 开发的无线LCS和高级校准框架为空气质量监测提供了更灵活,更准确的方法.
• 纳入传感器特定和空间数据可以提高液压控制系统对颗粒物测量的可靠性.
• 结果为优化城市空气质量监测网络和相关健康研究提供了关键的见解.