CN108414682A - 一种基于无线传感器网络的空气质量监测数据快速校准方法 - Google Patents
一种基于无线传感器网络的空气质量监测数据快速校准方法 Download PDFInfo
- Publication number
- CN108414682A CN108414682A CN201810085587.9A CN201810085587A CN108414682A CN 108414682 A CN108414682 A CN 108414682A CN 201810085587 A CN201810085587 A CN 201810085587A CN 108414682 A CN108414682 A CN 108414682A
- Authority
- CN
- China
- Prior art keywords
- air quality
- data
- sensor node
- quality monitoring
- calibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0006—Calibrating gas analysers
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Combustion & Propulsion (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明涉及空气质量监测技术,特别是一种基于无线传感器网络的空气质量监测数据快速校准方法。该方法包括:获取每个传感器节点和标准高精度空气质量采集设备的环境感知数据;利用大数据分析平台得到每个传感器节点的校准方程参数并保存;实时在线校准子系统接收传感器节点上传的空气质量监测数据并建立空气质量数据特征向量集合;大数据分析平台根据空气质量数据特征向量集合和保存的校准方程参数计算得出实时的空气质量数据。通过本方法将传感器节点采集到的多维度的空气质量数据的系统误差进行最大限度的降低,快速提供精准的空气质量数据,该方法可以应用于人们所关注的自身感知环境中空气质量实时监测、生活医疗气象指数预测系统中。
Description
技术领域
本发明涉及空气质量监测技术,特别是一种基于无线传感器网络的空气质量监测数据快速校准方法。
背景技术
基于无线传感器网络的空气质量监测系统利用无线传感器网络的低成本节点及大规模节点部署技术,在人们所关注的自身感知环境中(比如:城市道路边、小区或指定的区域),对空气质量多维信息进行持续的监测,实现空气质量信息和气象变化信息的准确运用,为人们提供高质量的空气质量监测服务。服务内容包括:空气质量实时监测、生活和医疗气象指数预测。其中空气质量实时监测:包括空气质量实时数据和变化趋势主要参数有AQI指数、首要污染物、PM2.5浓度;而生活医疗气象指数预测:主要参数有口罩指数、开窗指数、过敏指数、晾晒指数、出行指数、心脏病和气管炎发病率指数(特殊人群防护)。在空气质量出现异常时,及时产生并发布预警信息。另外基于传感器节点采集到的多维度的空气质量数据不可避免地存在一定的系统误差。由于在一定测量条件下,对同一个被测量进行多次重复测量时,系统误差值总是按照一定规律变化,因此,系统误差又叫规律误差。特别的,在一些生活运动场所,人们需要能够实时准确的获取当前时间的空气质量情况以便是否安排运动计划,如何提高无线传感器网络节点监控的空气质量数据准确度和快速数据统计和信息发布变得越来越重要。
所谓函数拟合,就是从实验数据集(xi,yi)(i=0,1,2,…,m)中找出总体规律性,然后构造一条能较好反映这种规律性的函数曲线y=p(x)。这里不要求数据集(xi,yi)(i=0,1,2,…,m)中的所有数据点都在曲线y=p(x)上,即不要求曲线y=p(x)在xi处的偏差σi=p(xi)-yi都严格地等于零,但要求曲线y=p(x)能尽可能地反映所给数据点集的变化趋势。概括来说,即要求所有数据点都尽量靠近拟合曲线y=p(x),这样即可使误差σi=p(xi)-yi(i=0,1,2,…,m)按某种标准达到最小。
发明内容
本发明解决的技术问题在于提出了一种基于无线传感器网络的空气质量监测数据快速校准方法,利用最小二乘拟合多项式和借助于大数据分析平台的快速处理能力,实现了对大量传感器节点采集获取到的空气质量相关环境感知数据进行快速、准确的数据校准,为后续的空气质量播报和生活医疗气象指数预测提供了真实的数据。
本发明解决上述技术问题的技术方案,包括如下步骤:
(1)获取每个传感器节点和标准高精度空气质量采集设备的环境感知数据;
(2)利用大数据分析平台得到每个传感器节点的校准方程参数并保存;
(3)实时在线校准子系统接收传感器节点上传的空气质量监测数据并建立空气质量数据特征向量集合;
(4)大数据分析平台根据空气质量数据特征向量集合和保存的校准方程参数计算得出实时的空气质量数据。
所述的获取每个传感器节点和标准高精度空气质量采集设备的环境感知数据;包括以下操作,
(1)将所有传感器节点与标准的高精度空气质量采集设备同时放置于相同环境进行一个时间周期的同步空气质量监测和数据采集;
(2)将每个传感器节点的环境感知数据和标准的高精度空气质量采集设备的环境感知数据分别记录下来;
(3)根据记录下来的数据建立空气环境感知数据特征向量集合。
所述的建立空气环境感知数据特征向量集合,包括以下操作,
(1)建立高精度空气质量采集设备所述一个时间周期内空气质量监测数据的特征向量集合;
(2)建立各个传感器节点与所述高精度空气质量采集设备相同时间周期内空气质量监测数据的特征向量集合。
所述的特征向量集合每一条记录的数据项可以是由传感器节点ID与空气质量衡量标准项的任一组合;
所述空气质量衡量标准项可以是:PM2.5值、PM10值、SO2、NO2、CO、O3、噪声、温度、湿度、风向、风速、光照强度、二氧化碳浓度、粉尘颗粒;
特征向量集合记录是:
{传感器ID,PM2.5值};
{传感器ID,PM2.5值,PM10值};
{传感器ID,PM2.5值,PM10值,SO2,NO2,CO,O3,噪声,温度,湿度,风向,风速,光照强度,二氧化碳浓度,粉尘颗粒}。
所述的利用大数据分析平台得到每个传感器节点的校准方程参数并保存,包括以下操作,
(1)将高精度空气质量采集设备的测量值作为真实值,将每个传感器节点的测量值与真实值进行最小二乘多项式拟合,得到每个传感器节点的校准方程参数;
(2)将每个传感器节点的校准方程参数保存到大数据分析平台。
所述的在线校准子系统,包括以下操作,
(1)在线校准子系统实时接收获取各个传感器节点实时获取到的环境空气质量监测数据;
(2)在线校准子系统根据获取到的空气质量监测数据建立空气质量数据特征向量集合;
(3)在线校准子系统将空气质量数据特征向量集合作为大数据分析平台的数据输入,同时获取大数据分析平台处理后的数据输出。
本发明方案的有益效果如下:
(1)通过事先将无线传感器节点和标准高精度空气质量采集设备进行长时间的环境感知数据获取分析,借助最小二乘多项式拟合能够准确得到每个传感器节点的校准方程参数;
(2)采用基于最小二乘拟合多项式求得校准方程,然后利用大数据分析平台对大量无线传感器节点采集到的空气质量监测数据进行实时在线校准处理,快速消除采集数据的系统误差;
(3)为空气质量监控系统后续的空气质量分析处理、信息播报和生活医疗气象指数预测提供了真实的数据。
附图说明
下面结合附图对本发明进一步说明:
图1为本发明方法的流程图;
图2和图3为本发明方法的两个子流程图。
具体实施方式
一种基于无线传感器网络的空气质量监测数据快速校准方法包括校准参数的计算和实时在线校准两个阶段。
校准参数的计算。系统的系统误差校准模块中,在节点部署之前,将所有传感器节点与标准的高精度空气质量采集设备同时放置于相同环境进行长时间的同步空气质量采集和数据采集;然后将每个传感器节点的环境感知数据和高精度设备的环境感知数据分别记录下来;接下来,将高精度设备的测量值作为真实值,将每个传感器节点的测量值与真实值进行最小二乘多项式拟合,得到每个传感器节点的校准方程参数,最后将校准参数进行保存。
如下为利用高精度空气质量采集设备和多个传感器节点放在同一个测试环境下进行的测量结果,以PM2.5和光照强度两项指标为例:
第一次测试结果:
高精度设备:{“PM2.5”:“50μg/m3”,“光照强度”:10KLUX}
传感器1:{“PM2.5”:“44μg/m3”,“光照强度”:9.9KLUX}
传感器2:{“PM2.5”:“46μg/m3”,“光照强度”:9.8KLUX}
......
传感器N:{“PM2.5”:“48μg/m3”,“光照强度”:9.6KLUX}
第二次测试结果:
高精度设备:{“PM2.5”:“60μg/m3”,“光照强度”:20KLUX}
传感器1:{“PM2.5”:“54μg/m3”,“光照强度”:19.9KLUX}
传感器2:{“PM2.5”:“56μg/m3”,“光照强度”:19.8KLUX}
......
传感器N:{“PM2.5”:“58μg/m3”,“光照强度”:19.6KLUX}
......
第M次测试结果:
高精度设备:{“PM2.5”:“68μg/m3”,“光照强度”:25KLUX}
传感器1:{“PM2.5”:“64μg/m3”,“光照强度”:24.9KLUX}
传感器2:{“PM2.5”:“66μg/m3”,“光照强度”:22.8KLUX}
......
传感器N:{“PM2.5”:“68μg/m3”,“光照强度”:24.6KLUX}
当N和M足够大时,得到的测试数据足够多,并利用大数据计算平台(如hadoop、Spark等)进行参数校验。
首先进行聚合处理,将各个传感器M次监测得到的数据分类进行聚合,聚合采取{x,y}={传感器某项监测指标测量值,高精度设备该项指标测量值},如:
传感器1——PM2.5监测数据:
{{44,50},{54,60},......{64,68}}
传感器1——光照强度监测数据:
{{9.9,10},{19.9,20},......{24.9,25}}
然后对各个传感器的每个监测项采用大数据平台MAP操作进行最小二乘多项式拟合,得到每个传感器节点的校准方程参数。如上,分别针对传感器1的PM2.5检测项和光照强度检测项的校准参数为1.136和1.02。
最后进行REDUCE操作整理得到每个传感器的校准参数为:
传感器1:{“PM2.5校准参数”:1.136,“光照强度校准参数”:1.02}
传感器2:{“PM2.5校准参数”:1.21,“光照强度校准参数”:1.13}
......
传感器N:{“PM2.5校准参数”:1.145,“光照强度校准参数”:1.05}
实时在线校准。在空气质量采集数据的实时在线校准阶段,系统的实时在线校准模块会将采集到的数据根据传感器节点ID分组建立特征向量集合,输入到类似spark大数据分析平台进行处理,大数据分析平台实现会根据传感器节点ID得到实现保存的传感器节点校准方程参数,然后根据输入相应校准方程,快速计算出校准后的实时的空气质量数据。
传感器节点部署在监测点之后实时传送监测数据并传送到系统,系统接收到一个数据如下:
{传感器ID:传感器2,时间:“2018.01.21 10:00:00”,“PM2.5”:49.59,“光照强度”:22.65}
系统检索到传感器2的校验参数并计算得到实时数据:
传感器2:{时间:“2018.01.21 10:00:00”,“PM2.5”:“60μg/m3”,“光照强度”:25.59KLUX}
最后系统可将校准后的感知数据用于环境分析和生活服务。
如可以利用系统校验得到的气温、湿度、风等气等监测数据进行人体舒适度指数计算。首先将人体人体舒适度气象指数分九级,人体舒适度气象指数分级划分如下所示:
然后确定人体舒适度指数计算公式为:
计算公式:I=T(°F)-0.55(1-RH/100)(T(°F)-38)
式中:
等级 | 指数 | 描述 |
1级 | I<25 | 寒冷,感觉极不舒适 |
2级 | 25≤I<40 | 冷,感觉不舒适 |
3级 | 40≤I<50 | 偏冷或较冷,大部分人感觉不舒适 |
4级 | 50≤I<60 | 偏凉或凉,部分人感觉不舒适 |
5级 | 60≤I<70 | 普遍感觉舒适 |
6级 | 70≤I<79 | 偏热,部分人感觉不舒适 |
7级 | 79≤I<85 | 热,感觉不舒适 |
8级 | 85≤I<90 | 闷热,感觉很不舒适 |
9级 | I≥90 | 极其闷热,感觉极不舒适 |
I——人体舒适度,
T(°F)——为环境温度预报值,T(°F)=T(℃)×9/5+32,
RH——相对湿度预报值。
最后根据系统监测校验后的实时空气质量数据进行实时指数计算。
以上描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出实质性创造所获得的方案,都属于本发明保护的范围。
Claims (6)
1.一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于:包括如下步骤:
(1)获取每个传感器节点和标准高精度空气质量采集设备的环境感知数据;
(2)利用大数据分析平台得到每个传感器节点的校准方程参数并保存;
(3)实时在线校准子系统接收传感器节点上传的空气质量监测数据并建立空气质量数据特征向量集合;
(4)大数据分析平台根据空气质量数据特征向量集合和保存的校准方程参数计算得出实时的空气质量数据。
2.根据权利要求1所述的一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于,所述获取每个传感器节点和标准高精度空气质量采集设备的环境感知数据包括如下步骤;
(1)将用于获取空气质量数据的传感器节点与标准的高精度空气质量采集设备同时放置于相同环境进行一个时间周期的同步空气质量监测和数据采集;
(2)将每个传感器节点的环境感知数据和标准的高精度空气质量采集设备的环境感知数据分别记录下来;
(3)根据记录下来的数据建立空气环境感知数据特征向量集合。
3.根据权利要求2所述的一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于,所述建立空气环境感知数据特征向量集合,包括如下步骤;
(1)建立高精度空气质量采集设备所述一个时间周期内空气质量监测数据的特征向量集合;
(2)建立各个传感器节点与所述高精度空气质量采集设备相同时间周期内空气质量监测数据的特征向量集合。
4.根据权利要求3所述的一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于,所述的特征向量集合每一条记录的数据项可以是由传感器节点ID与空气质量衡量标准项的任一组合;
所述空气质量衡量标准项是:PM2.5、PM10、SO2、NO2、CO、O3、噪声、温度、湿度、风向、风速、光照强度、二氧化碳浓度、粉尘颗粒。
5.根据权利要求1所述的一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于,所述利用大数据分析平台得到每个传感器节点的校准方程参数并保存,包括以下操作,
(1)将高精度空气质量采集设备的测量值作为真实值,将每个传感器节点的测量值与真实值进行最小二乘多项式拟合,得到每个传感器节点的校准方程参数;
(2)将每个传感器节点的校准方程参数保存到大数据分析平台。
6.根据权利要求1所述的一种基于无线传感器网络的空气质量监测数据快速校准方法,其特征在于,所述实时在线校准子系统,包括以下操作,
在线校准子系统实时接收获取各个传感器节点实时获取到的环境空气质量监测数据;
在线校准子系统根据获取到的空气质量监测数据建立空气质量数据特征向量集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810085587.9A CN108414682A (zh) | 2018-01-29 | 2018-01-29 | 一种基于无线传感器网络的空气质量监测数据快速校准方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810085587.9A CN108414682A (zh) | 2018-01-29 | 2018-01-29 | 一种基于无线传感器网络的空气质量监测数据快速校准方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108414682A true CN108414682A (zh) | 2018-08-17 |
Family
ID=63126643
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810085587.9A Pending CN108414682A (zh) | 2018-01-29 | 2018-01-29 | 一种基于无线传感器网络的空气质量监测数据快速校准方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108414682A (zh) |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109361577A (zh) * | 2018-12-20 | 2019-02-19 | 李斯嘉 | 一种基于分布式传感器的数据监测方法和系统 |
CN109951817A (zh) * | 2019-02-18 | 2019-06-28 | 苏州华盖信息科技有限公司 | 大数据的快速搜索方法及装置 |
CN110261547A (zh) * | 2019-07-04 | 2019-09-20 | 北京思路创新科技有限公司 | 一种空气质量预报方法和设备 |
CN110426493A (zh) * | 2019-08-01 | 2019-11-08 | 北京软通智慧城市科技有限公司 | 空气质量监测数据校准方法、装置、设备和存储介质 |
CN110487967A (zh) * | 2019-08-26 | 2019-11-22 | 广西玉柴机器集团有限公司 | 一种利用空气的NOx传感器在线校正方法及信号采集装置 |
CN110514785A (zh) * | 2019-07-31 | 2019-11-29 | 北京佳华智联科技有限公司 | 传感器数据在线校准方法、装置、电子设备及存储介质 |
WO2020043030A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 大气污染监测设备数据可信度评价及校准方法 |
CN111239338A (zh) * | 2020-01-19 | 2020-06-05 | 徐州工业职业技术学院 | 开放式空气质量监测系统 |
CN111258984A (zh) * | 2020-01-17 | 2020-06-09 | 东北大学 | 工业大数据环境下的产品质量端-边-云协同预报方法 |
CN111323544A (zh) * | 2020-03-27 | 2020-06-23 | 沈阳沃尔鑫环保科技有限公司 | 一种基于微型空气质量监测仪器的校准方法及系统 |
CN113650473A (zh) * | 2021-08-23 | 2021-11-16 | 武汉格罗夫氢能汽车有限公司 | 一种基于阳光强度反演空气质量的氢能汽车换气控制方法 |
US11631493B2 (en) | 2020-05-27 | 2023-04-18 | View Operating Corporation | Systems and methods for managing building wellness |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201555837U (zh) * | 2009-11-26 | 2010-08-18 | 杭州电子科技大学 | 一种基于传感器网络的空气质量监测设备 |
CN202720219U (zh) * | 2012-06-25 | 2013-02-06 | 河海大学常州校区 | 一种用于空气中一氧化碳浓度监测的无线传感器网络节点 |
CN103237362B (zh) * | 2013-03-28 | 2016-05-04 | 浙江大学 | 一种用于传感器校准的无线传感器网络移动节点 |
CN105922990A (zh) * | 2016-05-26 | 2016-09-07 | 广州大学 | 一种基于云端机器学习的车辆环境感知和控制方法 |
CN106302793A (zh) * | 2016-08-30 | 2017-01-04 | 孟玲 | 一种基于云计算的大棚空气质量监测系统 |
CN106777864A (zh) * | 2016-11-11 | 2017-05-31 | 浙江大学 | 一种低成本pm2.5监测节点的校准方法 |
CN107505005A (zh) * | 2017-09-20 | 2017-12-22 | 广东先河科迪隆科技有限公司 | 工业园区环境空气质量监管系统 |
-
2018
- 2018-01-29 CN CN201810085587.9A patent/CN108414682A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201555837U (zh) * | 2009-11-26 | 2010-08-18 | 杭州电子科技大学 | 一种基于传感器网络的空气质量监测设备 |
CN202720219U (zh) * | 2012-06-25 | 2013-02-06 | 河海大学常州校区 | 一种用于空气中一氧化碳浓度监测的无线传感器网络节点 |
CN103237362B (zh) * | 2013-03-28 | 2016-05-04 | 浙江大学 | 一种用于传感器校准的无线传感器网络移动节点 |
CN105922990A (zh) * | 2016-05-26 | 2016-09-07 | 广州大学 | 一种基于云端机器学习的车辆环境感知和控制方法 |
CN106302793A (zh) * | 2016-08-30 | 2017-01-04 | 孟玲 | 一种基于云计算的大棚空气质量监测系统 |
CN106777864A (zh) * | 2016-11-11 | 2017-05-31 | 浙江大学 | 一种低成本pm2.5监测节点的校准方法 |
CN107505005A (zh) * | 2017-09-20 | 2017-12-22 | 广东先河科迪隆科技有限公司 | 工业园区环境空气质量监管系统 |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020043030A1 (zh) * | 2018-08-25 | 2020-03-05 | 司书春 | 大气污染监测设备数据可信度评价及校准方法 |
CN109361577A (zh) * | 2018-12-20 | 2019-02-19 | 李斯嘉 | 一种基于分布式传感器的数据监测方法和系统 |
CN109951817A (zh) * | 2019-02-18 | 2019-06-28 | 苏州华盖信息科技有限公司 | 大数据的快速搜索方法及装置 |
CN110261547A (zh) * | 2019-07-04 | 2019-09-20 | 北京思路创新科技有限公司 | 一种空气质量预报方法和设备 |
CN110514785B (zh) * | 2019-07-31 | 2022-02-11 | 北京佳华智联科技有限公司 | 传感器数据在线校准方法、装置、电子设备及存储介质 |
CN110514785A (zh) * | 2019-07-31 | 2019-11-29 | 北京佳华智联科技有限公司 | 传感器数据在线校准方法、装置、电子设备及存储介质 |
CN110426493A (zh) * | 2019-08-01 | 2019-11-08 | 北京软通智慧城市科技有限公司 | 空气质量监测数据校准方法、装置、设备和存储介质 |
CN110426493B (zh) * | 2019-08-01 | 2021-10-29 | 北京软通智慧科技有限公司 | 空气质量监测数据校准方法、装置、设备和存储介质 |
CN110487967A (zh) * | 2019-08-26 | 2019-11-22 | 广西玉柴机器集团有限公司 | 一种利用空气的NOx传感器在线校正方法及信号采集装置 |
CN111258984A (zh) * | 2020-01-17 | 2020-06-09 | 东北大学 | 工业大数据环境下的产品质量端-边-云协同预报方法 |
CN111239338A (zh) * | 2020-01-19 | 2020-06-05 | 徐州工业职业技术学院 | 开放式空气质量监测系统 |
CN111323544A (zh) * | 2020-03-27 | 2020-06-23 | 沈阳沃尔鑫环保科技有限公司 | 一种基于微型空气质量监测仪器的校准方法及系统 |
US11631493B2 (en) | 2020-05-27 | 2023-04-18 | View Operating Corporation | Systems and methods for managing building wellness |
CN113650473A (zh) * | 2021-08-23 | 2021-11-16 | 武汉格罗夫氢能汽车有限公司 | 一种基于阳光强度反演空气质量的氢能汽车换气控制方法 |
CN113650473B (zh) * | 2021-08-23 | 2023-10-27 | 武汉格罗夫氢能汽车有限公司 | 一种基于阳光强度反演空气质量的氢能汽车换气控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108414682A (zh) | 一种基于无线传感器网络的空气质量监测数据快速校准方法 | |
KR101771053B1 (ko) | 실시간 통합 실내 공기질 알림지수 결정 방법 및 장치 | |
CN111458036B (zh) | 一种基于多元回归的人体体温测量修正方法及系统 | |
CN112504461A (zh) | 智能测温系统及测温方法 | |
CN203561610U (zh) | 自标定呼气一氧化氮分析仪 | |
CN107063955B (zh) | 空气颗粒物检测仪校准方法及管理系统 | |
CN105809249A (zh) | 一种基于双神经网络的pm2.5浓度检测与预测系统及方法 | |
KR20200003664A (ko) | 공기질 데이터의 보정 로직을 생성하는 장치 및 방법 | |
CN110196201A (zh) | 高精度称重系统和称重方法,热重分析仪及存储介质 | |
WO2020056812A1 (zh) | 用于评价室内环境质量的环境参数权重确定方法及系统 | |
Liu et al. | Research on data correction method of micro air quality detector based on combination of partial least squares and random forest regression | |
CN111265193A (zh) | 一种用于疫情防控卡口的现场体温筛查装置及方法 | |
CN116660781B (zh) | 一种户外用大功率双向快充移动电源测试系统 | |
CN113990477A (zh) | 一种基于云平台的大数据智能健康监护系统 | |
CN115457756A (zh) | 传感器校准的方法及装置 | |
CN116989972A (zh) | 基于热电模拟网络测试的测热试验数据不确定度评估方法 | |
CN112567241A (zh) | 环境传感器协同校准方法 | |
CN109614758A (zh) | 具有空间相关性的圆形形状误差的监控方法 | |
CN109758703A (zh) | 一种用于消防火场气压高度传感器的误差修正系统及方法 | |
CN107657147B (zh) | 基于线圈数据的机动车尾气污染物排放量计算方法 | |
CN114236272B (zh) | 一种电子产品的智能检测系统 | |
CN111735501B (zh) | 环境试验设施设备温湿度测量方法 | |
CN114001887A (zh) | 一种基于挠度监测的桥梁损伤评定方法 | |
CN111123406A (zh) | 手持气象仪温度数据拟合方法 | |
CN111999435A (zh) | 空气负氧离子监测数据质量管控及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180817 |