面向文化遗产保护的腐蚀风险估计：基于物联网与机器学习的温湿度方法

对位于菲律宾圣塞斯蒂安大教堂等文化重要遗址的钢结构进行准确的腐蚀预测是保护工作的关键。本研究开发了一个基于 LoRa 无线通信的物联网硬件系统，用于监测具有钢结构的历史建筑。从该物联网系统生成的三年数据集中，我们构建了一个仅使用温度和相对湿度数据预测大气腐蚀速率的机器学习框架。该框架通过 Streamlit 仪表板配合 ngrok 隧道部署，实现实时腐蚀监测和可操作的保护建议。这种最小数据方法具有可扩展性和成本效益，适用于资源有限的遗产遗址，表明先进的回归方法能够从基础气象数据中提取出准确的腐蚀预测，从而在无需广泛传感器网络的情况下，实现全球范围内文化重要结构的主动保护。