Verifikace a analýza dat z čidel PM10 a PM2.5

Abstract

S rostoucími možnostmi pořízení nízkonákladových senzorů měřících znečištění ovzduší za dostupnější ceny, se stále více objevují také dotazy, zda jsou tyto přístroje důvěryhodné. V rámci této diplomové práce byla možnost zjistit, jak nízkonákladové senzory Perfect-Air měří znečištění ovzduší částicemi PM10 a PM2,5, a zda je možnost zlepšit přesnost jejich měření pomocí dodatečné korekce naměřených dat. Pro výzkum přesnosti a zpřesnění naměřených dat, byly využity tyto metody: korelační analýza, korekce pomocí meteorologických ukazatelů a korekce pomocí neuronových sítí. Podařilo se prokázat, že korekce pomocí neuronových sítí dokáže zpřesnit výsledky měření. Naopak korekce pomocí meteorologických ukazatelů nebyla dostačující pro naše měření. Po doladění nízkonákladových senzorů a případné úpravě naměřených hodnot by mohly být tyto zařízení používány ve velkém množství pro mnohem podrobnější monitoring o kvality ovzduší.

With the possibilities of acquiring low-cost sensors measurements of the air pollution at more affordable prices, there are also questions if these measurements are trustworthy. As a part of this thesis, it was possible to find out how low-cost Perfect-Air sensors measure the PM10 and PM2,5 particulate air pollution and whether it is possible to improve the accuracy of measurements by additional correction of measured data. For the accuracy research and refinement of the measured data, there were used several methods: correlation analysis, correction using meteorological indicators and correction using neural networks. It has been demonstrated that correction using neural networks can refine the measurement results. On the contrary, correction using meteorological indicators was not sufficient for our measurements. After fine-tuning the low-cost sensors and possibly adjusting the measured values, these devices could be used in large quantities for much more detailed monitoring of air quality.