arXiv ID:
2604.21527
用于低成本空气质量传感器校准的时间深度学习框架 / A temporal deep learning framework for calibration of low-cost air quality sensors
1️⃣ 一句话总结
该研究提出了一种基于长短期记忆网络(LSTM)的深度学习框架,通过捕捉传感器数据中的时间依赖关系和滞后环境影响,有效校准了低成本空气质量传感器对PM2.5、PM10和NO₂的测量结果,在牛津的实际监测数据上验证其性能显著优于传统随机森林方法,并满足了法规要求的测量精度标准。