【原】減排前沿丨顆粒物傳感器可有效應(yīng)用于空氣質(zhì)量監(jiān)測

大城小E 2024-09-11 發(fā)布于上海

展開全文

本文由上海市環(huán)境監(jiān)測中心蔡云飛高級工程師供稿。

隨著全球空氣污染問題的日益嚴重，顆粒物（PM_2.5和PM₁₀）對人體健康的影響成為近年來學者重點關(guān)注的內(nèi)容之一。PM_2.5和PM₁₀是指空氣中直徑小于或等于2.5微米和10微米的顆粒物，它們可以深入人體呼吸系統(tǒng)，增加心血管疾病、呼吸系統(tǒng)疾病甚至癌癥的風險。然而，傳統(tǒng)的顆粒物監(jiān)測設(shè)備價格昂貴，不利于大規(guī)模部署和長期使用。因此，開發(fā)低成本、高精度的顆粒物傳感器設(shè)備具有重要的實際應(yīng)用價值。

一

研究方法

復旦大學公共衛(wèi)生學院趙卓慧、上海市環(huán)境監(jiān)測中心蔡云飛聯(lián)合上海大學高松研究團隊在上海進行了為期一年的室外環(huán)境和兩個月的室內(nèi)環(huán)境的平行測量，比較了傳感器設(shè)備與傳統(tǒng)儀器的測量結(jié)果。研究使用了六種不同的機器學習模型，包括多元線性模型（ML）、K最近鄰模型（KNN）、支持向量機模型（SVM）、決策樹模型（DT）、神經(jīng)網(wǎng)絡(luò)模型（MLP）和隨機森林（RF）模型，對傳感器設(shè)備的測量數(shù)據(jù)進行優(yōu)化。通過大量的實地測量數(shù)據(jù)，訓練和比對發(fā)現(xiàn)隨機森林（RF）模型以其出色的準確性和穩(wěn)定性脫穎而出。

二

室內(nèi)環(huán)境顆粒物傳感器應(yīng)用效果

在室內(nèi)環(huán)境中，傳感器的性能經(jīng)過六種機器學習模型的優(yōu)化后，結(jié)果顯示隨機森林（RF）模型以PM_2.5和PM₁₀的R2值分別為0.97和0.91，提供了最佳的測量準確性和穩(wěn)定性。這一結(jié)果優(yōu)于多元線性模型（ML，PM_2.5和PM₁₀的R2分別為0.66和0.64）、K最近鄰（KNN，R2分別為0.93和0.84）、支持向量機（SVM，R2分別為0.85和0.77）、決策樹（DT，R2分別為0.95和0.85）和神經(jīng)網(wǎng)絡(luò)（MLP，R2分別為0.90和0.80）模型。這些數(shù)據(jù)表明，在室內(nèi)環(huán)境中，RF模型對傳感器數(shù)據(jù)的解釋和預測能力最強，使得傳感器能夠提供與參考儀器相媲美的測量結(jié)果。

三

室外環(huán)境顆粒物傳感器應(yīng)用效果

在室外環(huán)境中，隨機森林（RF）模型同樣展現(xiàn)出優(yōu)越的性能，對PM_2.5和PM₁₀的R2值分別達到0.90和0.80，明顯優(yōu)于ML模型的0.79和0.26、KNN模型的0.83和0.76、SVM模型的0.85和0.23、DT模型的0.84和0.59以及MLP模型的0.84和0.41。這些結(jié)果證實了RF模型在處理室外環(huán)境復雜性方面的優(yōu)勢，尤其是在調(diào)整了溫度、相對濕度和PM_2.5/PM₁₀比率等氣象因素后，進一步提高了傳感器設(shè)備的測量準確性。

圖1 機器學習模型優(yōu)化

綜合比較，無論是在室內(nèi)還是室外環(huán)境，隨機森林（RF）模型都以其最高的R2值和最低的均方根誤差（RMSE）證明了其在優(yōu)化傳感器設(shè)備性能方面的較高能力，為提高傳感器監(jiān)測數(shù)據(jù)準確性和可靠性方面的提供了重要價值。

四

傳感器與標準儀器測試結(jié)果可比對

經(jīng)過RF模型優(yōu)化后的傳感器設(shè)備，在室內(nèi)外環(huán)境中對PM_2.5和PM₁₀的測量結(jié)果與標準儀器的對比顯示，相關(guān)系數(shù)（R2）分別達到了0.97和0.91（室內(nèi)）以及0.90和0.80（室外），均方根誤差（RMSE）也控制在了一個較低的范圍內(nèi)。表明優(yōu)化后的傳感器設(shè)備能夠提供高精度的測量結(jié)果，滿足環(huán)境監(jiān)測的需求。

在室內(nèi)環(huán)境中，傳感器設(shè)備的測量結(jié)果與TSI儀器的測量結(jié)果非常接近，相關(guān)系數(shù)達到了0.96以上。在室外環(huán)境中，傳感器設(shè)備的測量結(jié)果與TEOM儀器的測量結(jié)果也顯示出良好的一致性。此外，研究還發(fā)現(xiàn)，傳感器設(shè)備在不同季節(jié)和不同污染水平下的測量性能均表現(xiàn)出色。

圖2室內(nèi)環(huán)境的五種場景下，PM_2.5和PM₁₀(μg/m³)傳感器和參比儀器TSI(黑線)平行測量

圖3 室外環(huán)境場景下，PM_2.5和PM₁₀(μg/m³)傳感器和參比儀器TEOM(黑線)的平行測量

綜上所述，顆粒物傳感器監(jiān)測技術(shù)通過多種機器學習方法應(yīng)用與優(yōu)化，可以顯著提升顆粒物傳感器設(shè)備的性能，使其在室內(nèi)外環(huán)境中對PM_2.5和PM₁₀的測量精度均有明顯提高，并且優(yōu)化后的傳感器設(shè)備在室內(nèi)外環(huán)境中均展現(xiàn)出了高準確性和應(yīng)用效果。這項研究不僅提升了顆粒物傳感器設(shè)備的性能，也為環(huán)境監(jiān)測和流行病學研究提供了新的技術(shù)支持。未來應(yīng)用低成本、高效率的傳感器監(jiān)測設(shè)備，將有助于更廣泛地收集空氣質(zhì)量數(shù)據(jù)，為進一步評估環(huán)境空氣質(zhì)量、人群暴露風險等提供技術(shù)支撐。

參考文獻：

Tang, H., et al., Multi-Scenario Validation and Assessment of a Particulate Matter Sensor Monitor Optimized by Machine Learning Methods. Sensors (Basel, Switzerland), 2024. 24(11): p. 3448.