使用低成本传感器的高分辨率空气质量预测
信号处理
2020-06-23 v1 机器学习
机器学习
摘要
在空气质量监测网络中使用低成本传感器仍是从业者中备受争议的话题：它们比公共当局设立的传统空气质量监测站便宜得多（几百美元相比于几万美元），代价是精度和鲁棒性较低。本文介绍了在空气质量预测引擎中使用低成本传感器测量的案例研究。该引擎以几米到几十米范围内的极高分辨率联合预测美国的 PM2.5 和 PM10 浓度。它的输入包括官方空气质量监测站提供的测量数据、遍布全国的 4000 多个低成本传感器网络提供的测量数据以及交通估计值。我们表明，使用低成本传感器的测量数据显著提高了引擎的精度。特别是，我们推导出了低成本传感器密度与预测精度之间的强相关性：一个区域内低成本传感器越多，预测越准确。举例来说，在低成本传感器密度最高的区域，低成本传感器的测量数据分别使 PM2.5 和 PM10 的预测精度提高了 25% 和 15%。另一个有力的结论是，在一些低成本传感器密度高的区域，该引擎仅输入低成本传感器测量数据时的表现优于仅输入官方监测站测量数据时的表现：这表明由低成本传感器组成的空气质量监测网络在监测空气质量方面是有效的。这是一个非常重要的结果，因为这样的监测网络建设成本要低得多。
引用
@article{arxiv.2006.12092,
title = {High-Resolution Air Quality Prediction Using Low-Cost Sensors},
author = {Thibaut Cassard and Grégoire Jauvion and David Lissmyr},
journal= {arXiv preprint arXiv:2006.12092},
year = {2020}
}
备注
7 pages, 6 figures. arXiv admin note: substantial text overlap with arXiv:2002.10394