Oct, 2023

一个全球性的多单元校准方法用于大规模物联网颗粒物监测系统的部署

HTML
PDF
TL;DR基于低成本颗粒物传感器的IoT空气质量多传感器设备的全局校准方法可大规模部署准确的IoT空气质量监测设备，降低校准成本，并实现个人暴露监测应用的即时准确读数和降低远程数据传输需求。
发现论文，激发创造
  • 低成本空气污染网络的机器学习

    本文探讨了在经济上有限的国家使用价格便宜的传感器进行数据收集造成的偏差和不确定性问题，并通过利用概率机器学习方法和空气污染网络案例，试图通过建立传感器校准模型解决该问题，提出了基于分布或高斯过程的个体传感器校准建模方法，旨在为决策提供更加准确的数据支持。

    Nov, 2019

  • 利用物联网、大数据和机器学习技术的空气污染监测和预测系统现状

    本文回顾了近期的研究，重点关注数据来源、监测和预测模型，采用智能设备、机器学习、大数据技术和物联网等方法，展示了改善空气污染模型的各种方面的研究进展和面临的问题和挑战。

    Apr, 2023

  • 基于物联网的空气质量监测系统结合机器学习实现精准实时数据分析

    本文提出了开发一种可在任何地方使用的便携式空气质量检测设备，该设备使用MQ135和MQ3两个传感器检测有害气体并以每百万为单位测量空气质量，同时通过ThinkSpeak云平台存储和可视化数据，并进行机器学习分析。

    Jul, 2023

  • 揭示隐形之物：通过手机拍摄图片找到特定地点的聚合空气质量指数

    本研究通过使用智能手机相机拍摄的图像，使用深度卷积神经网络（DCNN）开发了一个基于图片的PM2.5浓度预测模型，该模型在预测特定位置的PM2.5浓度方面优于其他流行的模型，并提供了来自达卡的大气图像和相应PM2.5测量结果的公开数据集。

    Aug, 2023

  • 物联网空气污染监测系统中的时空图注意力融合器用于校准

    提出了一种新的方法，利用图神经网络，特别是图注意网络模块，通过融合来自传感器阵列的数据，提高物联网空气污染监测平台中传感器的校准准确性。

    Sep, 2023

  • 坎帕拉空气质量监测的高斯过程

    利用高斯过程预测空气污染现状以及将来的趋势，并从设备、数据处理方法等方面进行了探索与比较。

    Nov, 2023

  • 机器学习和物联网在户外空气污染监测和预测中的应用：一项系统文献综述

    该研究回顾了使用机器学习和物联网（IoT）进行室外空气污染预测以及监测传感器和输入特征的组合的应用，发现了预测的三种方法：时间序列、基于特征和时空。该回顾还提出了未来研究的方向，并强调了在医疗保健、城市规划、全球协同和智能城市方面的实际意义。

    Jan, 2024

  • 一种可扩展的环境空气污染浓度估算框架

    通过机器学习填补缺失的空气污染浓度数据，我们提供了英国2018年每小时1kmx1km的全面数据集，对空气污染的浓度进行预测、估计和捕捉，使相关利益相关方能以更高分辨率进行研究。

    Jan, 2024

  • 边缘计算方法在物联网架构中与机器学习相结合的室内环境参数高效估计的比较

    通过低成本边缘物联网架构，提出了实现轻量级机器学习模型估计室内环境质量参数的两种方法，采用神经网络和分布式并行物联网架构，以减少数据处理负载和能源消耗。实验表明，在温度和照度小数据集上进行的训练和测试中，估计性能接近0.95的F分数和准确度，并且在分布式并行方法中，功耗降低了将近37%。与相关研究的等效物联网架构相比，达到了相似或稍微更好的性能，并实现了35%至76%的误差减少，从而在性能和能源效率之间取得了恰到好处的平衡。

    Feb, 2024

  • 基于低质量传感数据的细粒度空气质量推断：自监督学习方法

    本研究针对低质量空气质量微型站（MSs）测量不精确和标准化站（SSs）标签稀缺的问题，提出了一种多任务时空网络（MTSTN），利用自监督学习来处理大量未标记数据，并通过季节性和趋势分解获取可靠特征。研究表明，MTSTN在成都市250平方公里区域内对NO$_2$、O$_3$和PM$_{2.5$的推断精度显著优于现有基准，体现了在准确性和经济性方面的重要应用价值。

    Aug, 2024