Smart emissionGassensoren calibratie

1

Kunnen we goedkope sensors gebruiken om luchtkwaliteit te meten?

2

3

4

5

datetimep.base.timerp.co.heater.modep.co.heater.valuep.error.base.irq.service.stoppedp.error.bootingp.error.configurationp.error.memoryp.error.sensorp.error.wifi.connectionp.no2.heater.modep.no2.heater.valuep.power.aux_power.input.activep.power.chargedp.power.chargingp.power.co2.sensor.onp.power.co.heater.onp.power.energy.harvesting.standbyp.power.errorp.power.gauge.okp.power.h2s.sensor.onp.power.harvest.input.activep.power.mains.input.activep.power.nh3.sensor.onp.power.no2.heater.onp.power.no.batteryp.power.o3.heater.on

p.power.pm.sensor.onp.power.usb.input.activep.session.up.timep.total.up.timep.unit.serial.numberp.unknown.17p.unknown.18p.unknown.19s.accelero.xs.accelero.ys.accelero.zs.barometers.co2s.coresistances.humiditys.latitudes.light.sensor.blues.light.sensor.bottoms.light.sensor.greens.light.sensor.reds.light.sensor.tops.longitudes.no2resistances.o3resistances.rain.backside.lefts.rain.backside.rights.rain.frontside.left

s.rain.frontside.rights.rgb.colors.satinfo.dilutions.satinfo.fixs.satinfo.nums.second.of.days.temperature.ambients.temperature.unit

6

Voorbewerkingen

● Sensordump omzetten naar gemeten gegevens● Metingen met error verwijderen● Vreemde metingen verwijderen● Type’s goed zetten● Variabelen met weinig informatie verwijderen● Interpoleren naar zelfde tijdseenheden● Jose en RIVM data samenvoegen● Rijen verwijderen die niet alle benodigde metingen bevatten● Voortschrijdend gemiddelde

7

8

9

Lineaire regressie

10

11

12

13

14

15

16

17

18

19

22 / 300 = 0.07

40 / 300 = 0.13

60 / 300 = 0.2

70 / 200 = 0.35

20

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

21

22 / 300 = 0.07

40 / 300 = 0.13

60 / 300 = 0.2

70 / 200 = 0.35

70 / 100 = 0.7

22

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

23

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

24

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

25

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

26

3 = 89.1177+ 0.03420626 ∗ . ∗ log ( . 3 )− 0.008836714 ∗ . ℎ . .− 0.02934928 * . ∗ . .− 1.439367 ∗ . . ∗ log ( . )+ 1.26521 ∗ log ( . ) ∗ ( . )− 0.000343098 ∗ . ∗ . 2+ 0.02761877 ∗ . 2 ∗ log ( . 3 )− 0.0002260495 ∗ . ∗ .+ 0.0699428 ∗ .ℎ+ 0.008435412 ∗ . . ∗ ( . 2 )

27

28

Artificial neural networks

29

30

31

RIVM O3

Temperatuur

kOhm O3

Luchtdruk

kOhm NO2

32

-32.1

0.02

0.53

2.1

33

34

35

36

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

37

0.07 0.13 0.2 0.35 0.7

Slecht

Goed

38

Werkt dat?

39

40

41

Dat wil ik ook

Python

Pandas

Scikit-learn

- MLPRegressor- RandomizedSearchCV

42