文献

J-GLOBAL ID：202002288265508398   整理番号：20A1254398

長期NO_2ガスセンサネットワークデータ補正のためのロバスト温度感受性アルゴリズムの開発と評価【JST・京大機械翻訳】

Development and evaluation of a robust temperature sensitive algorithm for long term NO₂ gas sensor network data correction

著者 (8件)： Wei Peng (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Sun Li (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Anand Abhishek (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Zhang Qing (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Huixin Zong (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China) ,  Deng Zhiqiang (Sapiens Environmental Technology Co Ltd., Hong Kong SAR, China) ,  Wang Ying (Sapiens Environmental Technology Co Ltd., Hong Kong SAR, China) ,  Ning Zhi (Division of Environment and Sustainability, The Hong Kong University of Science and Technology, Hong Kong SAR, China)
資料名： Atmospheric Environment  (Atmospheric Environment)
巻： 230  ページ： Null  発行年： 2020年 
JST資料番号： C0382D  ISSN： 1352-2310  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 大気質モニタリングのための低コストセンサ(LCS)は,低コストでの空間的および時間的分解能の増強,使用の柔軟性の向上,および固定大気質モニタリングステーション(AQMS)よりも保守の少ない,大きな可能性を示している。センサに基づくシステムが実験室条件下で良く機能することを示す多数の報告がある。しかし,現場条件下で運転されるLCSの精度は,これらの制御された環境での使用から逸脱することが報告されている。以前の研究では,システム性能を改善するために様々な数学的手法を採用してきた。これらは,ガス状汚染物質濃度予測のための複雑な非線形センサ応答を統合するために,環境因子(例えば温度および相対湿度)および機械学習(ML)モデルを組み込むための古典的多変量回帰モデル(MLR)を含む。しかしながら,ルーチンのフィールド較正は測定期間中にデータ不整合を引き起こす可能性がある。本研究は,最初に,既存のMLRとMLモデルの性能を比較することによって,短期ルーチン較正の限界を例証した。さらに,長期評価期間に基づいて,温度Look-Up(TLU)モデルと名付けた新しい原理ベースの方法を構築し,既存のMLRおよびMLモデルと比較した。測定は,8セットのセンサシステム(Mini Air Station,MAS)を用いて,中国,Sanmenxia(SMX)市における8か月間(2017年8月~2018年3月)に行った。一つのMASをAQMSと共配置し,原理を評価するためのデータを提供し,他の7つのMASを検証に用いた。TLUモデルは長期検証(4か月)と高モデル内部コヒーレンス(R2>0.91)に対して最良の性能を示した。一方,TLUモデルは,高速収束(40日)を示し,センサネットワークにおける安定した予測性能と空間的代表性に達する。著者らの観測に基づくデータ保全のためのセンサネットワーク配置と戦略に関する勧告を論じた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  コヒーレンス ,  保全 ,  相対湿度 ,  柔軟性 ,  不整合 ,  センサ ,  回帰モデル ,  *ロバスト性 ,  機械学習 ,  *温度感受性 ,  *センサネットワーク
準シソーラス用語： 環境因子 ,  システム性能 ,  多変量 , 【Automatic Indexing@JST】

著者キーワード (3件)： センサネットワーク ,  ロバスト性解析 ,  センサキャリブレーション

分類 (1件)： 気圏環境汚染  (SB03020M)

タイトルに関連する用語 (8件)： 長期 ,  ガスセンサ ,  データ補正 ,  ロバスト ,  温度感受性 ,  アルゴリズム ,  開発 ,  評価