JP2019090805A - 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム - Google Patents
環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム Download PDFInfo
- Publication number
- JP2019090805A JP2019090805A JP2018212397A JP2018212397A JP2019090805A JP 2019090805 A JP2019090805 A JP 2019090805A JP 2018212397 A JP2018212397 A JP 2018212397A JP 2018212397 A JP2018212397 A JP 2018212397A JP 2019090805 A JP2019090805 A JP 2019090805A
- Authority
- JP
- Japan
- Prior art keywords
- data
- measurement data
- correction
- sensor device
- acquiring
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
Description
図1は第1実施形態に係る環境センサシステムを示す図である。複数の大気分析環境センサ装置12が設置されている。大気分析環境センサ装置12の内部には、1つの筐体(図示せず)内に光散乱式のPM環境センサ素子と、窒素酸化物、硫黄酸化物、一酸化炭素、オゾン、二酸化炭素、硫化水素、VOC等環境に影響を及ぼすガスの濃度を検出できる環境センサ素子が搭載され、測定すべき対象物質用の環境センサ素子群とされる。ここで、1つの環境センサ素子で複数種類の検出すべきガスの濃度を検出することの例を示しているが、他の態様として、各検出対象ガス毎に1つの環境センサ素子を設けてもよいし、複数種類の検出すべきガスについて複数の環境センサ素子を組み合わせて使用してもよい。また、一部の検出対象ガスについて1つの環境センサ素子を設け、他の検出対象ガスについて1つ又は複数の環境センサ素子を個別又はまとめて設けてもよい。
Ot=σ(Wo[ht−1,xt]+b2)
例えば、隠れ層の計算例は次の通りである。
同様に、既知のW1行列に基づいて隠れ層h1−hnを算出でき、W2行列に基づいて22anを算出でき、補正後のデータOtを取得でき、実際の計算は対応するニューロンネットワークのプログラムにより実行され、この態様ではpython言語のtensorflowを用いる。一方、環境センサ装置の出力データ及び真値16anが取得された場合は、ニューロンネットワークの学習プログラムは、出力値22anと16anと最も接近する行列を取得するまで、ペナルティメカニズムに従って真値と出力値との差の2乗に基づいて、Wにおけるデータの数値を調整する。学習のデータが多いほど、得られたW行列が正確になる。この態様では2層のニューロンネットワークを用いているが、隠れ層の数に限定されなく、他のニューロンネットワークモデルや他の変形、他の活性化関数などを用いてもよい。
図7は第2実施形態に係る環境センサシステムを示す図である。本実施形態の補正方法では、第1実施形態のようにネットワーク上で公開された分析装置のデータを真値データとすることと異なり、予め校正された高精度の測定を実現可能な大気分析環境センサ装置を準備し、該環境センサから得られた測定データを真値とする。未校正の環境センサ装置の構造と同一の構造を有する環境センサ装置を用いて予め校正してもよく、環境センサ装置に内蔵されている環境センサ素子と同一の物質の量を検出可能な環境センサであれば、他の構造の環境センサを用いてもよい。第1実施形態の図面における同一の構成要素について同一の符号で示し、その説明を省略する。
図8は第3実施形態に係る環境センサシステムを示す図である。本実施形態では、第1実施形態のようにインターネット上で公開された分析装置データを真値とすることと異なり、高精度が確保された分析装置89の近傍には構造が補正すべき大気分析環境センサ装置12と同一の装置82が設けられると共に、同一時点の同一大気のデータ82c及び動作状態情報の情報82dを並行して測定する。第1実施形態及び第2実施形態と同様な構造の部分について、同一の符号で示し、その説明を省略する。
また、別の実施形態として、環境センサの測定データの経時的なドリフトをさらに考慮し、さらに補正を行ってもよい。
12 第1乃至3実施形態における未補正の大気分析環境センサ装置
12a 未補正の環境センサ装置の測定データ
12b 精度が確保され、補正が必要ない環境センサ素子により測定された環境センサ装置の動作状態情報(「動作状態情報」と略称する)
13 無線基地局
14 インターネット
15 データ記憶及び補正処理用のサーバ装置
16 ネットワーク上に公開された環境センサの測定データのデータベース
16a ネットワーク上に公開された、未補正の環境センサ装置の測定データと同一種類の測定データ
16b ネットワーク上に公開されたデータを測定する時の動作状態情報
17 学習モデルに用いられる学習データセット
18 測定データ補正用のモデル
18a 補正後の測定データ
21 実装モデル
22 1回目の補正用のニューラルネットワーク
22an n番目の未補正の環境センサ測定データが1層のニューラルネットワークにより補正された出力データ
23 2回目の補正用のニューラルネットワーク
23an n番目の補正後の測定データ
24an n番目の環境センサ素子又はモジュールの出力データ初期補正用の1層目のニューラルネットワーク
W1、W2 モデル行列
24b 2層目のニューラルネットワーク23用のネットワークモデル
31 1回目のニューラルネットワーク(24nn)
31a ニューラルネットワーク入力層
31b ニューラルネットワーク隠れ層
41 2回目のニューラルネットワーク(24b)
41a ニューラルネットワーク入力層
41b ニューラルネットワーク隠れ層
41c ニューラルネットワーク出力層
52 検出データの一例
53 処理後データの一例
61 環境センサ装置により測定された補正前後の各測定データと真値との相関関係
71 第2実施形態における環境センサシステム
72 事前に補正された大気分析環境センサ装置と同一の構成を有する大気分析環境センサ装置
72a 事前に補正された環境センサ装置により測定されたデータ
81 第3実施形態における環境センサシステム
82 分析装置89とペアとなる大気分析環境センサ装置と同一種類の未補正の大気分析環境センサ装置
82c 分析装置とペアとなる大気分析環境センサ装置のデータと同一種類の測定データ
82d 分析装置とペアとなる大気分析環境センサ装置のデータと同一種類の動作状態情報
89 高精度が確保された環境センサと同一種類のデータを取得可能な分析装置
89a 分析装置により測定されたデータ
Claims (11)
- 環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理装置であって、
学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力部と、
前記学習測定用データにそれぞれ対応する真値を取得する真値取得部と、
前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特徴を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成部と、
前記最適補正特性に基づいて前記実測データを補正する測定データ補正部と、を含む、環境センサの検出データの処理装置。 - 前記環境センサ装置の動作状態情報を入力する動作状態情報入力部、をさらに含み、
前記動作状態情報は、前記環境センサ装置が動作する時の内部及び/又は外部の温度、湿度、気圧、照明度、環境センサ装置のID情報、及び環境センサ装置の地理的位置情報のうち少なくとも1つの情報を含み、
前記関連付けデータを取得する際に、動作状態情報をさらに追加して関連付けを行う、請求項1に記載の処理装置。 - 前記検出対象は、PM値及び/又はガス成分であり、
前記ガス成分は、二酸化窒素、二酸化硫黄、一酸化炭素、オゾン、二酸化炭素、硫化水素、及びVOCのうち少なくとも1つを含む、請求項1に記載の処理装置。 - 前記処理装置は、異なる検出対象について複数種類のセンサ装置により取得された測定データに基づいて、ニューロンネットワークのモデルを用いて、異なる検出対象間の相互干渉特性を補正特徴に追加し、且つ/或いは
前記測定データ入力部により前記環境センサ装置から取得された複数の学習測定用データ及び実測データは前記センサ装置により前記動作状態情報に基づいて事前に補正された学習測定用データ及び実測データであり、或いは前記測定データ入力部が前記環境センサ装置から複数の学習測定用データ及び実測データを取得した後に、データ事前補正部により前記動作状態情報に基づいて前記学習測定用データ及び前記実測データを事前に補正し、前記補正特性生成部に供給する、請求項2に記載の処理装置。 - 前記真値は、検証された環境センサ装置により取得されたデータ、インターネットに格納された真のデータ、及び高精度の分析装置により検出されたデータのうち少なくとも1つのデータである、請求項1に記載の処理装置。
- 前記測定データ入力部及び前記真値取得部が対応する測定データを取得する際に、前記動作状態情報入力部は該測定データの時点データをさらに取得し、
前記関連付けデータを取得する際に、動作状態情報に前記時点データをさらに追加して関連付けを行う、請求項2に記載の処理装置。 - 前記環境センサ装置の動作状態情報を入力する動作状態情報入力部、をさらに含み、
前記動作状態情報は、前記環境センサ装置が動作する時の内部及び/又は外部の温度、湿度、気圧、照明度、環境センサ装置のID情報、及び環境センサ装置の地理的位置情報のうち少なくとも1つの情報を含み、
前記補正特性生成部が前記複数の補正特徴を取得する前に、前記動作状態情報に基づいて前記環境センサ装置を事前に補正し、具体的には、各前記環境センサ装置について、該環境センサ装置の前記複数の学習測定用データ及び対応する前記動作状態情報と対応する前記真値と関連付け、関連付けて得られたデータに基づいて該環境センサ装置を事前に補正し、
前記補正特性生成部は、前記複数の補正特徴を取得する際に、得られた事前補正後のデータを前記学習測定用データとする、請求項1に記載の処理装置。 - ネットワークに接続された複数のセンサ装置と、
前記ネットワークに接続された請求項1乃至7の何れかに記載の処理装置と、を含み、
前記処理装置の測定データ入力部は、ネットワークを介して前記複数のセンサの実測データを取得し、前記実測データを補正する、環境センサシステム。 - 前記センサ装置は、センサ素子の一部又は全部が補正されていないセンサ装置であり、且つ/或いは
前記センサ装置は、複数種類の検出対象の濃度をそれぞれ測定するセンサと、環境センサ装置の動作状態情報を高精度に取得する動作状態情報取得部群と、を含む、請求項8に記載の環境センサシステム。 - 環境センサ装置が環境における検出対象の濃度を測定して得られた測定データを処理する環境センサの検出データの処理方法であって、
学習モードにおいて前記環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、
前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、
前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、
前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を含む、環境センサの検出データの処理方法。 - コンピュータプログラムが記憶されたコンピュータ読み取り可能な記憶媒体であって、
環境センサシステムに含まれているプロセッサが前記コンピュータプログラムを実行する際に、前記環境センサシステムに、
学習モードにおいて環境センサ装置の複数の学習測定用データを取得し、実測モードにおいて前記環境センサ装置の実測データを取得する測定データ入力ステップと、
前記学習測定用データにそれぞれ対応する真値を取得する真値取得ステップと、
前記複数の学習測定用データと対応する前記真値とをそれぞれ関連付けて複数の関連付けデータを取得し、複数の関連付けデータから一部の関連付けデータをランダムに選択して学習用の関連付けデータセットを作成し、且つニューロンネットワークのモデルにより前記関連付けデータセットを処理して補正特性を取得する処理を複数回繰り返し実行し、複数の補正特性を取得し、各前記補正特性について、補正特性を取得する処理を実行する際に用いられていない関連付けデータにおける真値に基づいて、該補正特性をそれぞれ検証し、検証結果に基づいて最適補正特性を選択する補正特性生成ステップと、
前記最適補正特性に基づいて前記実測データを補正する測定データ補正ステップと、を実行させる、コンピュータ読み取り可能な記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711121487.9 | 2017-11-13 | ||
CN201711121487.9A CN109781934A (zh) | 2017-11-13 | 2017-11-13 | 环境传感器检测数据的处理装置、处理方法、计算机可读存储介质、以及环境传感器系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019090805A true JP2019090805A (ja) | 2019-06-13 |
JP7119930B2 JP7119930B2 (ja) | 2022-08-17 |
Family
ID=66494530
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018212397A Active JP7119930B2 (ja) | 2017-11-13 | 2018-11-12 | 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7119930B2 (ja) |
CN (1) | CN109781934A (ja) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110553962A (zh) * | 2019-10-23 | 2019-12-10 | 安徽理工大学 | 一种室内空气质量监测与净化系统 |
CN111650251A (zh) * | 2020-07-07 | 2020-09-11 | 林伟立 | 基于气敏半导体的臭氧探空仪及监测方法 |
WO2021039145A1 (ja) * | 2019-08-29 | 2021-03-04 | パナソニックIpマネジメント株式会社 | 空気質情報処理システム、及び、空気質情報処理方法 |
CN112946188A (zh) * | 2021-01-26 | 2021-06-11 | 天地(常州)自动化股份有限公司 | 井下传感器校准方法、装置、设备及介质 |
CN113124908A (zh) * | 2021-05-20 | 2021-07-16 | 中科芯未来微电子科技成都有限公司 | 一种提高仪器测量精度的方法和系统 |
CN113205187A (zh) * | 2020-01-31 | 2021-08-03 | 横河电机株式会社 | 学习装置、学习方法及计算机可读介质、判定装置、判定方法及计算机可读介质 |
CN114485800A (zh) * | 2022-02-14 | 2022-05-13 | 北京佳华智联科技有限公司 | 适用于气体多参数移动监测仪的远程质控方法 |
WO2022124421A1 (ja) * | 2020-12-11 | 2022-06-16 | 株式会社大柿産業 | オゾン濃度測定装置及びそれを用いたオゾン濃度監視システム |
CN114660241A (zh) * | 2022-03-29 | 2022-06-24 | 中国计量科学研究院 | 一种环境气体分析仪在线智能校准系统 |
CN115374130A (zh) * | 2022-10-26 | 2022-11-22 | 中科三清科技有限公司 | 一种大气污染历史数据存储方法及介质 |
CN115436572A (zh) * | 2022-08-30 | 2022-12-06 | 南京云创大数据科技股份有限公司 | 一种基于循环神经网络的传感器校准方法及装置 |
JP2023507601A (ja) * | 2019-12-20 | 2023-02-24 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | ガスセンサを動作させる方法及びガスセンサを動作させる装置 |
CN116087131A (zh) * | 2023-04-11 | 2023-05-09 | 南京科力赛克安防科技有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN116309437A (zh) * | 2023-03-15 | 2023-06-23 | 中国铁塔股份有限公司河北省分公司 | 一种灰尘检测方法、装置及存储介质 |
CN117076888A (zh) * | 2023-08-29 | 2023-11-17 | 淮阴工学院 | 一种开关柜采集数据的预处理存储方法 |
CN117073768A (zh) * | 2023-10-16 | 2023-11-17 | 吉林省牛人网络科技股份有限公司 | 肉牛养殖管理系统及其方法 |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11092583B2 (en) * | 2019-06-19 | 2021-08-17 | Aromatix, Inc. | Machine learning stabilization of gas sensor output |
JP6738466B1 (ja) * | 2019-06-28 | 2020-08-12 | Dmg森精機株式会社 | 情報処理装置、情報処理方法および情報処理プログラム |
CN110456923B (zh) * | 2019-07-31 | 2023-08-11 | 维沃移动通信有限公司 | 一种姿态传感数据处理方法及电子设备 |
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 |
CN113324729B (zh) * | 2021-07-08 | 2022-10-21 | 中国空气动力研究与发展中心高速空气动力研究所 | 一种风洞天平温度漂移物理补偿方法 |
CN114019110B (zh) * | 2021-11-16 | 2022-06-03 | 河南驰诚电气股份有限公司 | 一种基于大数据的作业场所气体探测器端云一体化平台 |
CN115200181A (zh) * | 2022-07-12 | 2022-10-18 | 广东美的暖通设备有限公司 | 冷媒传感器的修正方法及空调系统 |
CN115326194B (zh) * | 2022-10-17 | 2023-02-17 | 荣耀终端有限公司 | 一种环境光传感器校准方法、电子设备和存储介质 |
CN116311595A (zh) * | 2023-05-16 | 2023-06-23 | 江西五十铃汽车有限公司 | 车辆mos管监管方法、设备、介质和程序产品 |
CN116304960B (zh) * | 2023-05-24 | 2023-08-29 | 合力(天津)能源科技股份有限公司 | 一种钻井环境的监测预警方法及系统 |
CN117936021B (zh) * | 2024-03-22 | 2024-05-28 | 深圳市优米智能科技有限公司 | 一种智能手环运动监测数据分析方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06130017A (ja) * | 1992-10-14 | 1994-05-13 | Ricoh Co Ltd | ニューラルネットワークを利用したガスセンサ |
JPH0972871A (ja) * | 1995-09-07 | 1997-03-18 | Nakano Vinegar Co Ltd | 半導体ガスセンサーを用いた混合ガス測定方法 |
JP2001101561A (ja) * | 1999-09-29 | 2001-04-13 | Koito Ind Ltd | 公害量推測装置及び公害量予測装置並びにこれを用いた道路交通管制装置 |
JP2008249610A (ja) * | 2007-03-30 | 2008-10-16 | Railway Technical Res Inst | 鉄道車両用懸架装置の動特性推定方法 |
US20110313958A1 (en) * | 2009-02-16 | 2011-12-22 | Institutt For Energiteknikk | System and method for empirical ensemble-based virtual sensing of particulates |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105823713A (zh) * | 2016-05-24 | 2016-08-03 | 深圳市蜂联科技有限公司 | 一种迭代最优标定提高空气质量检测设备测量精度的方法 |
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 |
CN106840981A (zh) * | 2017-03-08 | 2017-06-13 | 芜湖美智空调设备有限公司 | 空气颗粒检测装置及其精度校正方法 |
CN107063955B (zh) * | 2017-04-18 | 2020-07-14 | 击风科技(北京)有限公司 | 空气颗粒物检测仪校准方法及管理系统 |
-
2017
- 2017-11-13 CN CN201711121487.9A patent/CN109781934A/zh active Pending
-
2018
- 2018-11-12 JP JP2018212397A patent/JP7119930B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH06130017A (ja) * | 1992-10-14 | 1994-05-13 | Ricoh Co Ltd | ニューラルネットワークを利用したガスセンサ |
JPH0972871A (ja) * | 1995-09-07 | 1997-03-18 | Nakano Vinegar Co Ltd | 半導体ガスセンサーを用いた混合ガス測定方法 |
JP2001101561A (ja) * | 1999-09-29 | 2001-04-13 | Koito Ind Ltd | 公害量推測装置及び公害量予測装置並びにこれを用いた道路交通管制装置 |
JP2008249610A (ja) * | 2007-03-30 | 2008-10-16 | Railway Technical Res Inst | 鉄道車両用懸架装置の動特性推定方法 |
US20110313958A1 (en) * | 2009-02-16 | 2011-12-22 | Institutt For Energiteknikk | System and method for empirical ensemble-based virtual sensing of particulates |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7170238B2 (ja) | 2019-08-29 | 2022-11-14 | パナソニックIpマネジメント株式会社 | 空気質情報処理システム、及び、空気質情報処理方法 |
WO2021039145A1 (ja) * | 2019-08-29 | 2021-03-04 | パナソニックIpマネジメント株式会社 | 空気質情報処理システム、及び、空気質情報処理方法 |
JPWO2021039145A1 (ja) * | 2019-08-29 | 2021-03-04 | ||
CN110553962A (zh) * | 2019-10-23 | 2019-12-10 | 安徽理工大学 | 一种室内空气质量监测与净化系统 |
JP2023507601A (ja) * | 2019-12-20 | 2023-02-24 | ローベルト ボツシユ ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | ガスセンサを動作させる方法及びガスセンサを動作させる装置 |
CN113205187A (zh) * | 2020-01-31 | 2021-08-03 | 横河电机株式会社 | 学习装置、学习方法及计算机可读介质、判定装置、判定方法及计算机可读介质 |
CN111650251A (zh) * | 2020-07-07 | 2020-09-11 | 林伟立 | 基于气敏半导体的臭氧探空仪及监测方法 |
WO2022124421A1 (ja) * | 2020-12-11 | 2022-06-16 | 株式会社大柿産業 | オゾン濃度測定装置及びそれを用いたオゾン濃度監視システム |
CN112946188A (zh) * | 2021-01-26 | 2021-06-11 | 天地(常州)自动化股份有限公司 | 井下传感器校准方法、装置、设备及介质 |
CN113124908A (zh) * | 2021-05-20 | 2021-07-16 | 中科芯未来微电子科技成都有限公司 | 一种提高仪器测量精度的方法和系统 |
CN114485800A (zh) * | 2022-02-14 | 2022-05-13 | 北京佳华智联科技有限公司 | 适用于气体多参数移动监测仪的远程质控方法 |
CN114485800B (zh) * | 2022-02-14 | 2023-10-27 | 北京佳华智联科技有限公司 | 适用于气体多参数移动监测仪的远程质控方法 |
CN114660241A (zh) * | 2022-03-29 | 2022-06-24 | 中国计量科学研究院 | 一种环境气体分析仪在线智能校准系统 |
CN115436572A (zh) * | 2022-08-30 | 2022-12-06 | 南京云创大数据科技股份有限公司 | 一种基于循环神经网络的传感器校准方法及装置 |
CN115374130A (zh) * | 2022-10-26 | 2022-11-22 | 中科三清科技有限公司 | 一种大气污染历史数据存储方法及介质 |
CN115374130B (zh) * | 2022-10-26 | 2022-12-20 | 中科三清科技有限公司 | 一种大气污染历史数据存储方法及介质 |
CN116309437A (zh) * | 2023-03-15 | 2023-06-23 | 中国铁塔股份有限公司河北省分公司 | 一种灰尘检测方法、装置及存储介质 |
CN116087131A (zh) * | 2023-04-11 | 2023-05-09 | 南京科力赛克安防科技有限公司 | 一种紫外差分气体分析仪的数据处理方法及系统 |
CN117076888A (zh) * | 2023-08-29 | 2023-11-17 | 淮阴工学院 | 一种开关柜采集数据的预处理存储方法 |
CN117076888B (zh) * | 2023-08-29 | 2024-06-11 | 淮阴工学院 | 一种开关柜采集数据的预处理存储方法 |
CN117073768A (zh) * | 2023-10-16 | 2023-11-17 | 吉林省牛人网络科技股份有限公司 | 肉牛养殖管理系统及其方法 |
CN117073768B (zh) * | 2023-10-16 | 2023-12-29 | 吉林省牛人网络科技股份有限公司 | 肉牛养殖管理系统及其方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7119930B2 (ja) | 2022-08-17 |
CN109781934A (zh) | 2019-05-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7119930B2 (ja) | 環境センサの検出データの処理装置、処理方法、コンピュータ読み取り可能な記憶媒体、及び環境センサシステム | |
Lewis et al. | Evaluating the performance of low cost chemical sensors for air pollution research | |
Zaidan et al. | Intelligent calibration and virtual sensing for integrated low-cost air quality sensors | |
Zimmerman et al. | A machine learning calibration model using random forests to improve sensor performance for lower-cost air quality monitoring | |
Borrego et al. | Assessment of air quality microsensors versus reference methods: The EuNetAir joint exercise | |
Gillett et al. | Constraining the ratio of global warming to cumulative CO2 emissions using CMIP5 simulations | |
Topalović et al. | In search of an optimal in-field calibration method of low-cost gas sensors for ambient air pollutants: Comparison of linear, multilinear and artificial neural network approaches | |
Delaine et al. | In situ calibration algorithms for environmental sensor networks: A review | |
Marinov et al. | Air quality monitoring in urban environments | |
Smith et al. | Global warming potentials: 2. Accuracy | |
Broday et al. | Wireless distributed environmental sensor networks for air pollution measurement—The promise and the current reality | |
CN108614071B (zh) | 分布式室外大气质量监测精度校正系统及参数更新方法 | |
JP7365415B2 (ja) | 気体センサを較正するための方法 | |
McFarlane et al. | Application of Gaussian mixture regression for the correction of low cost PM2. 5 monitoring data in Accra, Ghana | |
Monteiro et al. | Strengths and weaknesses of the FAIRMODE benchmarking methodology for the evaluation of air quality models | |
Mishra | Air pollution monitoring system based on IoT: Forecasting and predictive modeling using machine learning | |
Tian et al. | Environment-adaptive calibration system for outdoor low-cost electrochemical gas sensors | |
CN112364940A (zh) | 基于多源数据的大气污染物源解析方法、存储介质及设备 | |
KR20150144380A (ko) | 가상센서와 관측센서를 통합한 대기질 정보 서비스 시스템 및 방법 | |
Chemel et al. | Predictions of UK regulated power station contributions to regional air pollution and deposition: a model comparison exercise | |
Isiugo et al. | Assessing the accuracy of commercially available gas sensors for the measurement of ambient ozone and nitrogen dioxide | |
KR102390461B1 (ko) | 인공지능 적용 가능한 대기질 측정시스템의 운용방법 | |
Narayana et al. | Eeatc: A novel calibration approach for low-cost sensors | |
Levy Zamora et al. | Identifying optimal co-location calibration periods for low-cost sensors | |
Pawar et al. | AQI Monitoring and Predicting System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210810 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220615 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220718 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7119930 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |