基于多传感器融合的空气质量检测

摘要：

针对当前空气质量检测错误率高,检测效率低的难题,以获得理想的空气质量检测结果为目标,设计了基于多传感器融合的空气质量检测模型.首先,分析了当前空气质量检测的研究现状,找到引起空气质量检测效果差的原因;然后,采用多个传感器同时对空气质量检测数据进行采集,建立空气质量检测的学习样本;最后,采用机器学习算法对空气质量检测学习样本进行训练,构建空气质量检测模型,并采用验证数据与其他空气质量检测模型进行对比实验,该设计模型的空气质量检测精度超过95％,可以准确描述空气质量的变化特点,而且空气质量检测时间也远远少于对比模型,提升了空气质量检测效率,具有更加广泛的应用范围.

关键词：空气质量、BP神经网络、检测模型、传感器阵列、学习样本、机器学习算法

所属期刊栏目：43

分类号：TN911.1-34;TP391

资助基金：河南省重点科技攻关项目;驻马店市重点科技攻关项目

在线出版日期：2020-10-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：171-174