共查询到20条相似文献,搜索用时 15 毫秒
1.
《电子制作.电脑维护与应用》2016,(23)
本文主要介绍一款利用单片机系统搭建的一个小型实用环境监测仪。该系统由数模转换芯片,温湿度传感器,粉尘传感器,液晶显示屏组成,通过传感器采集数据经数模转换芯片转换后输入单片机处理,最后由液晶显示屏将数据显示出来。操作简单,携带方便,数据的测量和显示直观明了,对人们的生活和生产都有重要意义,有着较为广泛的应用前景。 相似文献
2.
3.
近年我国多地都遭受过雾霾困扰,主要原因是空气中漂浮着大量吸附着有害物质的细微颗粒物(PM2.5),当呼吸PM2.5时,对我们的身体造成很大的伤害.本文设计一款基于51单片机的用于检测PM2.5浓度的简易装置,由粉尘传感器模块、A/D转换模块、LCD显示器模块、警报电路模块、LED指示灯模块等组成,当粉尘传感器检测到空气... 相似文献
4.
5.
6.
由于环境和快速发展之间的不平衡,城市空气质量问题变得越来越突出。PM2.5作为空气污染的主要成分,会对人体造成很大伤害。因此,准确地预测PM2.5浓度对于保护人们健康具有重要意义。首先选取了其他空气质量数据(PM10、NO2、CO2、O3)作为影响因素,构建了基于机器学习(多元线性回归、岭回归、套索回归、决策树、随机森林和人工神经网络)的PM2.5预测模型;其次利用这些模型预测山西省太原市未来1小时PM2.5浓度;最后通过MAE、RMSE、R2来等指标评价各模型的预测性能,实验结果表明,基于随机森林的预测模型具有最高的预测精度。 相似文献
7.
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。 相似文献
8.
目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度. 相似文献
9.
基于单片机的PM2.5测试仪的设计与实现 总被引:1,自引:0,他引:1
PM2.5作为雾霾的重要组成部分,其颗粒物直径小,含有高浓度的有毒、有害物质并且在空气中长时间保留、远距离漂浮等特性,使得对PM2.5的检测和治理成为当务之急。本设计采用MSP430F149单片机为控制中心,由GP2Y1010AU0F光学空气质量传感器测量空气粉尘浓度,通过单片机内置的12位AD转换将模拟的电压信号转换成数字信号,然后由单片机进行数据的处理,最后由LCD1602显示屏显示当前空气粉尘浓度,当浓度超过设定阈值时报警。实践证明,该PM2.5测试仪电路设计简单、稳定性好、测试精度高、体积小、价格低,具有一定实用价值。 相似文献
10.
一种PM2.5检测传感器设计 总被引:2,自引:0,他引:2
为了减小和防治灰霾天气对人们生活和健康的不利影响,对灰霾检测设备进行了研究,提出了一种PM 2.5检测传感器设计。根据光电传感器原理,采用对射型检测方式,将波长为650nm、功率为10mW的半导体激光器作为光源,使用具有内增益、灵敏度好的雪崩光电二极管作为接收器,经过由I/V转换、电压放大和具有低偏压差、低温度漂移、高性能电压跟随器构成的调理电路处理后,完成对颗粒物检测传感器设计。实验结果表明:该传感器测量准确、响应快、误差小,为准确测量颗粒物的浓度提供了硬件基础。 相似文献
11.
PM_(2.5)要素对空气质量影响较大。PM_(2.5)浓度变化是多种因素作用的结果,且过程突发、非线性,具有明显的不确定性,难以使用传统的方法进行预测。针对该问题,以气象、大气污染物因素作为PM_(2.5)预测指标,提出基于LSTM循环神经网络的PM_(2.5)预测模型。使用灰色关联度分析方法对多个气象、大气污染指标进行关联强度分析;对数据进行平滑处理,将时间序列问题处理为监督问题;搭建多变量的LSTM循环神经网络PM_(2.5)预测模型,实现PM_(2.5)日值浓度的准确预测。使用北京市2010年-2017年气象数据和大气污染物数据进行仿真实验,结果表明该模型能够较好地预测PM_(2.5)的日值变化趋势。 相似文献
12.
为精确预测出具有非线性、非平稳的PM2.5时序数据,提出基于PSO-VMD-LSTM的组合模型。融合机器学习优化算法和深度学习技术,其中利用以包络熵为适应度函数的PSO机器学习算法对VMD分解过程中的惩罚因子和模态个数进行迭代寻优,基于分解处理后的数据进行LSTM深度学习模型预测。构建两种经典分解组合模型作为对照,结果表明,在相同迭代次数情况下,时序分解处理后的LSTM预测比未分解时的预测精度和效果都有明显改善;与经典分解组合模型相比,该模型在准确度和评估指标上均取得最佳预测效果,在PM2.5浓度预测上具有一定普适性。 相似文献
13.
14.
PM2.5对人体健康和大气环境质量的影响众所周知,分析、预测PM2.5浓度对污染天气防治与干预有着非常重要的作用。利用灰色关联度、多元回归分析等方法对全国各大城市空气质量进行了研究,分析了影响PM2.5浓度的主要因素并进行了影响程度排序,构建了PM2.5预测模型并进行了预测实践,为我国环境空气质量预报和污染天气防治干预提供了有效的决策信息。 相似文献
15.
《电子制作.电脑维护与应用》2015,(17)
本系统采用由IAP15F2K61S2为核心的主控电路,实现系统基本功能,包括接受传感器信号,显示,报警等功能;配备夏普二代升级版传感器,用以检测PM2.5值;配备移动电源,使之具备便携式功能。通过以上几个模块,实现便携式PM2.5检测功能。 相似文献
16.
陈渝 《电脑编程技巧与维护》2023,(5):46-48
设计了一种智能型的细颗粒物(PM2.5)检测仪,其特点是成本低、具备测量基本环境参数(PM2.5、温湿度、紫外线强度)及报警的功能,非常适合家用。一旦发现颗粒物浓度达到损害身体的指标,系统会自动进行语音光报警,提醒用户该区域PM2.5浓度超标,需要戴上口罩或者尽快离开该区域。 相似文献
17.
18.
为了充分挖掘多因素数据间的时空特征信息,解决在多种因素相互影响下不能准确预测PM2.5值的问题,提出了一种融合了局部加权回归的周期趋势分解(Seasonal-Trend decomposition procedure based on Loess, STL)算法、卷积长短期记忆网络(Convolutional Long Short-Term Memory Network, ConvLSTM)和门控循环单元(Gated Recurrent Unit, GRU)的PM2.5预测方法。首先利用STL算法将PM2.5数据进行分解,将分解得到的序列分别与其他因素相融合;搭建ConvLSTM-GRU模型,并利用贝叶斯寻优算法进行超参数寻优;将融合数据传入ConvLSTM网络中进行时空特征提取,再将提取后的特征序列传入GRU网络中进行预测。通过与ConvLSTM-GRU模型、CNN-GRU模型以及GRU模型的预测结果进行比较实验,证明所提模型具有误差小、预测效果好等特点。 相似文献
19.
《计算机与应用化学》2018,(10)
针对PM2.5浓度预测中存在的特征变量之间关系复杂、信息冗余问题,提出了一种基于互信息最大相关最小冗余(maximum relevance-minimum redundancy,MRMR)准则结合粒子群优化算法(particle swarm optimization,PSO)的混合特征选择算法,并采用所设计的递归模糊神经网络(recurrent fuzzy neural network,RFNN)为预测模型实现PM2.5浓度预测。首先根据MRMR准则对变量的互信息进行计算并排序,过滤掉一些相关性小的特征。然后将PSO优化算法与RFNN预测模型结合,以RFNN的预测精度作为PSO的适应度函数在过滤得到的特征中选择出最优特征子集,作为RFNN模型的输入变量。将该方法用于PM2.5浓度预测实验,与3种不同特征选择算法的结果进行对比,基于互信息和PSO混合特征选择方法的RFNN预测模型利用最少的特征获得了最小的预测误差,说明该方法能够有效地用于PM2.5浓度预测。 相似文献
20.
为提高PM2.5长期预测精度,以空气污染物与气象因素作为影响因子,提出一种基于深度学习的TSMN(time series memory network)预测模型.该模型由两个组件构成,本地记忆组件利用外部记忆方式提高模型长程记忆能力,并与多站点空间关系建模的邻域组件协同从时空角度完成PM2.5长期预测.通过使用不同评价指标将TSMN模型与多种模型进行对比,其中与性能较优的CNN-LSTM模型相比,该模型的RMSE、MAE分别下降5.2%、5.7%,R2提升7.5%.实验结果表明TSMN模型能够有效提高PM2.5浓度的长期预测精度. 相似文献