对于环境VOC OH反应性的PID传感器的短期机器学习校准

科学领域:

• 环境科学 环境科学
• 分析化学 分析化学
• 传感器技术 传感器技术

背景情况:

• 光电离子探测器 (PID) 传感器对于监测挥发性有机化合物 (VOC) 是具有成本效益的.
• PID传感器的准确性受到环境因素 (温度,湿度) 和传感器变化的限制.
• 量化VOC监测需要可靠的校准方法.

研究的目的:

• 开发用于PID传感器的快速机器学习 (ML) 校准工作流.
• 为了将PID信号和气象数据映射到VOC OH反应率 (R_OH,PTR).
• 提高PID传感器网络的定量可靠性和一致性.

主要方法:

• 四个MiniPID传感器与PTR-ToF-MS和热湿度计的同位.
• 数据协调到10秒分辨率.
• 评估多重回归模型,专注于集体方法 (RF,XGBoost) 与时间意识的验证.

主要成果:

• XGBoost组合模型与PTR衍生的VOC OH反应性 (皮尔森的r = 0.85,R^2 = 0.64) 有着强烈的一致性.
• ML方法显著改善了传感器间的一致性.
• 一个短期的校准策略被使用超时评估验证.

结论:

• 快速ML校准有效地纠正PID传感器漂移和环境影响.
• 工作流程使PID网络的实用,基于同位点的协调成为可能.
• 这种方法支持在各种环境中高时间分辨率的VOC反应性监测.