新型现代有轨电车内PM2.5浓度实时监测系统设计

设计了一种新型的基于GPRS的现代有轨电车内PM 2.5浓度实时监测系统.系统包括车载硬件终端和中心平台,车载硬件终端实现对电车内PM 2.5浓度数据采集;中心平台以TCP协议的Socket通信为基础,采用Visual Basic软件设计,能实时显示和记录车内PM 2.5浓度的动态曲线以及历史数据.车载硬件终端与中心平台间采用GPRS网络模块SIM900A通信.该系统通过与车内空气净化器组合使用,可提高车内空气质量.     

基于ZigBee技术的大气PM2.5监测系统设计

目前国内外PM2.5监测设备由于其价格昂贵,检测设备体积庞大,网络扩展能力差,系统运行、维护费用高等缺点,无法得到广泛应用。为改善这些不足,以无线通信协议ZigBee为基础,采用TI公司的Z-Stack协议栈,以CC2530芯片为核心,实现了一个自组织、低成本的PM2.5无线监测系统网络。通过现场测试并与国外同等设备DustTrak II进行比较,证明该系统测量准确,应用前景广。     

小型智能化车载PM2.5检测系统

随着汽车工业的高速发展以及国内空气环境的恶化,在国内都有着极大的需求量。而国内目前鲜有成熟的研究小型智能车载PM2.5检测系统的企业,本文提出一种集成在汽车上小型智能PM2.5净化系统。根据目前市场的分析,本项目开发的小型智能车载PM2.5检测系统,产品技术含量高,实用性强,意义巨大。     

无线空气质量PM2.5测量系统的研究

近几年,随着工业化进程的不断加快,中国面临越来越严重的环境问题.基于环境监测的需要,设计了一种集光电检测技术、无线传感网络传输及计算机软件分析于一体的新型PM2.5监测系统,能够很方便地检测环境中漂浮的微小固体颗粒,形成针对PM2.5浓度的监测数据.测试系统可以在每天上午6时至12时,每小时整点测量一次数据,直接得到空气质量PM2.5值,当数值超过300μg/m3,系统会发出报警.在不同地点设置该系统,通过不同时间段的测量,即可形成关于PM2.5值的大数据系统,最后可对环境空气质量状况完成综合分析.本系统具有小型化、简便化、成本低廉、操作方便的优点,为其生活实用化提供了有利条件.     

AT89C51单片机的智能空气净化系统设计

基于 AT89 C51单片机设计了一个智能空气净化系统,可以实时监测空气中 PM2.5有害物质浓度并在浓度超出限制时发出警报,并自动清除PM2.5.给出了系统的总体设计要求、系统主要模块、系统中传感器、控制电路以及除尘模块的主要构成.对该系统除尘效果的实验表明,该系统对清除PM2.5、净化空气有良好的效果.     

面向智慧社区的环境监测系统设计与实现

针对“智慧城市、智慧社区”建设的需求,设计并实现了通过智慧社区服务平台可实时发布环境参数的监测系统;该系统以ST公司的ARM芯片STM32F103C8T6为核心,分别通过GP2Y1010AU0F、UV10SF和DHT11模块完成对环境中的PM2.5值、紫外线强度和温湿度各参数的实时采集,辅之SIM900A模块实现GPRS数据传输,最后借助乐联网平台,用网页、微信等方式进行数据发布和管理,从而实现用户使用PC机或手机终端实时查看监测点环境参数的目的;经实验证明,该系统测量准确度温度为±0.4℃、湿度为3.8％、PM2.5值为7.2％、紫外线强度为7.9％,数据采集准确、通信方式灵活,符合未来智慧社区建设的发展趋势,具有一定的创新性和推广价值.     

GSM网络的室内空气质量监测系统设计

设计使用气体传感器针对室内空气中的PM 2.5和甲醛含量进行检测,通过微处理器进行处理与分析,在液晶显示屏上显示数据,并根据设定阈值进行声光报警,利用全球移动通信系统GSM无线网络进行远程通信,实现远程实时监测室内空气质量.     

基于大数据平台的PM2.5监测预警系统研究

介绍了PM2.5监测预警系统的架构,分析了PM2.5云监测仪的构成要素以及数据立方大数据处理系统的优势,论述了应用大数据技术的必要性,列举了成功案例,并通过精确度实验证明了PM2.5监测预警系统较好的实施效果.     

环境监测数据采集系统设计

随着经济和社会的快速发展,环境大气污染尤其是雾霾和有毒气体对人体的危害越来越大,于是对环境信息如PM2.5、温湿度、各种气体浓度等的监控要求愈来愈高.因此,研发和设计一种功能多样、可靠性高、便携性好的环境监测数据采集系统具有十分重要的意义.本文运用传感器及嵌入式技术设计了一种新型便携式综合环境监测数据采集系统.实验结果和误差分析表明该数据采集系统可实现实时数据采集和显示功能并保证系统数据的可信度,也可应用于空气质量监测、室内环境监测、煤气、天然气及有毒气体监测等场景.     

基于Arduino的PM2.5和温湿度实时检测器设计

设计了能够实时检测周围环境温湿度、PM2.5值的便携式检测器,该检测器以Arduino UNO开发板为核心,由外部多个传感器采集数据,通过在Arduino IDE上的编程控制数据采集,经处理换算后将结果呈现在显示屏上,显示数值每隔2.5s更新一次,从而达到实时检测的目的.该检测器在45～ 80 μg/m3范围内与汉王N1型霾表相对偏差小于±5％,具有快速响应、实时更新、简单实用的特点.     

基于β射线法的新型PM2.5自动监测系统研究

近年来大颗粒物污染日趋严重,准确监测颗粒物PM2.5迫在眉睫。目前国外监测仪器已在国际上普遍使用,国内真正的知识产权产品比较少,产品的精度以及稳定性也有待提高。采用基于β射线法原理研制了PM2.5质量浓度在线监测系统,在仪器结构中提出采用原位检测的方法,并进行与标准称重法的比对实验来验证系统的可行性,结果表明两者测量数据的相关性为0.988。通过数据校正补偿后与监控站赛默飞仪器比对实时监测数据,日测量数据平均值相对偏差仅为1.8%。     

基于地理加权回归克里金的中国PM_(2.5)浓度空间制图方法北大核心CSCD

空气细颗粒物健康暴露风险等研究需要准确的PM_(2.5)浓度时空分布信息作为健康评估的重要输入。然而,由于监测台站稀疏分布,通常需要融合遥感等辅助信息,通过空间制图模型得到PM_(2.5)浓度的分布状况。如何在估计模型中将PM_(2.5)浓度的空间分布特征融入制图模型将是提高PM_(2.5)制图精度的关键。发展了一种融合地理加权回归和克里金插值方法的混合模型:地理加权回归克里金(Geographically Weighted Regression-Kriging,GWRK),地理加权回归模型考虑PM_(2.5)浓度分布的空间异质性,克里金模型对回归后的残差中存在的空间自相关性进行建模。基于该方法,利用中国空气质量监测站数据,采用遥感、模式模拟数据作为辅助信息,对2017年中国逐月的PM_(2.5)浓度分布进行估计空间制图。交叉验证结果表明,GWRK相较于传统制图方法(最小二乘回归、地理加权回归、回归克里金)具有更高的精度,决定系数R2为0.824,平均绝对误差为6.96μg/m3,均方根误差为10.94μg/m3。2017年逐月的PM_(2.5)浓度制图结果显示,在时间上,冬季是PM_(2.5)污染最严重的时段,夏季最轻,空间上,东部经济较为发达的城市如长三角地区是污染严重区,西南地区污染程度较轻。     

A deep learning-based PM2.5 concentration estimator

PM2.5 does great harm to human beings. In particular, it can lead to an increase in human lung cancer. In this paper, we propose a PM2.5 concentration estimator based on deep convolutional neural networks. The proposed method consists of three modules. First, we generate a hallucinated reference image of PM2.5 by using deep convolutional neural networks. The discrepancy map of the PM2.5 image and the hallucinated reference image are calculated. Second, the discrepancy map and the distorted PM2.5 image are used to extract the features. Third, the prediction module based on neural networks utilizes those extracted features to predict PM2.5 concentrations. Compared to existing PM2.5 estimators and state-of-art image quality assessment(IQA) metrics, experimental results illustrate the effectiveness of the proposed model on the AQID database.     

Estimation and Spatial-temporal Distribution Characteristics of PM2.5 Concentration by Remote Sensing in China in 2015

Air pollution characterized by PM2.5 pollutants poses severe challenges to the sustainable development of society and human health. Therefore, it is of great significance to clarify the spatial-temporal distribution and evolution of PM2.5 pollutants in China for regional joint prevention and control of PM2.5 pollutants. Based on the MODIS satellite aerosol products, meteorological basic data and PM2.5 pollutant monitoring site monitoring data, a geographically weighted regression model was established to simulate and estimate PM2.5 pollutant concentration in China in 2015 on the basis of aerosol and meteorological data pre-processing. In addition, the spatial distribution pattern, the seasonal evolution characteristics of PM2.5 pollutant concentration were analyzed. The results showed that: (1) the PM2.5 concentration values in China in 2015 as a whole showed obvious spatial zonal differentiation characteristics. The concentration of pollutants in the north is significantly higher than that in the south, and the areas with high PM2.5 concentrations are mainly concentrated in the Beijing-Tianjin-Hebei region, the Jianghuai plain, the Sichuan basin, and the Takaramalkan desert. The area has a wide spatial distribution and significant continuity; (2) The PM2.5 concentration in the fourth quarter showed obvious seasonal adaptive evolution characteristics. The PM2.5 concentration changed significantly in the season. PM2.5 pollution was the heaviest in the fourth quarter, followed by the first quarter of the third quarter and the lowest in the second quarter. The maximum occurred in the fourth quarter (165 μg/m³). The minimum appeared in the second quarter (4.3 μg/m³). Seasonal changes in PM2.5 concentrations were influenced by meteorological factors and human social activities; and (3) The accuracy of the inversion of PM2.5_{concentration by a multi-factorial, geographically weighted regression model was higher, with relative errors in the four quarters being 10.2%, 7.0%, 9.3%, and 8.6%, respectively.}     

2015年中国PM2.5浓度遥感估算与时空分布特征

以PM2.5污染物为主的大气污染对社会的可持续发展及人类健康带来了严峻的挑战,厘清我国PM2.5污染物的空间分布特征及演变规律,对于PM2.5污染物的区域联防联控具有重要的意义。基于MODIS卫星的气溶胶产品、气象基础数据以及PM2.5污染物实测站点监测数据,构建地理加权回归模型,对2015年中国PM2.5污染物浓度进行了模拟估算,对PM2.5污染物浓度的空间分异格局及季节演化特征进行分析。结果表明：①2015年全国PM2.5浓度整体表现出明显的空间地带性分异特征。北方PM2.5污染物浓度明显高于南方,中部明显高于东部与西部;②4个季度PM2.5浓度表现出明显的季节适应性演化特征。第四季度PM2.5污染最重,第三季度和第一季度次之,第二季度最低,最大值出现在第四季度（165 μg/m³）,最小值出现在第二季度（4.3 μg/m³）。③通过多因子构建的地理加权回归模型估算的PM2.5浓度具有较高的模拟精度,第一至第四季度的相对误差分别为10.2%、7.0%、9.3%和8.6%。     

MODIS气溶胶光学厚度产品和激光雷达数据在大气颗粒物监测中的应用

遥感反演是区域尺度上近地面颗粒物数据获取的有效手段。利用激光雷达观测的消光系数垂直分布、地面相对湿度、风速等数据,对无锡市MODIS(中分辨率成像光谱仪)气溶胶光学厚度(AOD)产品进行垂直、湿度和风速订正,并用研究区域中7个地面站点的PM_(10)和PM_(2.5)浓度监测数据对订正结果进行评估。结果表明:经过订正的MODIS AOD产品与地面监测数据具有良好的相关性,其中与PM_(10)的决定系数达到0.452,与PM_(2.5)的决定系数达到0.449,说明MODIS AOD产品经相关订正后,可用于无锡及其附近地区地面空气污染的监测。在MODIS AOD产品的垂直订正方面,利用激光雷达数据的订正效果好于利用能见度数据的订正效果。在遥感与实测数据的相关性季节变化方面,夏季相关性最高,秋季次高,春季较低,冬季最低。     

基于注意力机制的PM2.5多阶图卷积网络推断模型

细颗粒物（PM2.5）与大气环境和人类生活息息相关。城市中PM2.5监测站数量有限,无法提供细粒度PM2.5浓度,而大多数现有的PM2.5浓度推断方法缺乏根据动态时空特征建立多阶相关系数矩阵的能力。为此提出了一种基于注意力机制的PM2.5多阶图卷积网络推断模型（MOSTGCNInf）。该模型在利用图神经网络提取特征关系的同时,采用注意力机制动态构建多阶节点的注意力系数矩阵,并进行时空特征融合来提升PM2.5浓度推断效果。在公开数据集上进行了对比实验,使用准确率和F1值作为评价指标,并通过消融实验验证了方法的有效性。实验结果表明,MOSTGCNInf对PM2.5浓度推断结果有提升作用。     

基于LSTM的PM2.5浓度预测模型

随着近年雾霾天气的频繁出现,空气质量开始越来越受到公众关注。PM2.5浓度指数是判断空气质量的重要指标,如何根据历史数据有效地预测空气中PM2.5浓度,具有很高的应用价值。分析以往空气质量数据表明,PM2.5浓度有明显的非线性和不确定性波动,很难用传统机器学习算法有效地预测。本文基于LSTM循环神经网络,依据过去20小时采集的空气数据,预测未来5小时的PM2.5浓度指数。实验结果表明,LSTM可以有效地捕获空气质量的时序特征,较准确预测出未来时刻的PM2.5浓度指数。