Øke datakvaliteten til luftkvalitetsmikrosensor ved hjelp av maskinlæringsmetoder

Bakgrunn

 

For tiden måles luftforurensning med kostbar og komplisert instrumentering. Følgelig samler kun sentrale, lokale myndigheter og noen industribedrifter data av tilstrekkelig kvalitet for vitenskapelig bruk, men kun for et begrenset antall steder og et begrenset antall komponenter av luftkvalitet. Dette begrenser mengden miljøovervåkingsdata som er tilgjengelige for verdiskapende tjenester, for eksempel til vurdering av eksponering og helseeffekter. Det har de siste årene blitt utviklet mikrosensorer for måling av slike komponenter. Disse er vesentlig mindre og billigere enn instrumenter som brukes i dag. Erfaringer hittil har vist at i praksis fungerte disse dårlig for utendørs luftkvalitetsmålinger.

 

NILU har gjennom flere forskningsprosjekter jobbet med mikrosensorteknologi for måling av ulike luftkvalitetskomponenter, både egenutviklede plattformer og testing av andre sine plattformer. På grunn av dette har NILU bygd opp et klimaskap for å kunne «trene» opp mikrosensorene hvor en kombinerer ulike gasser (for eksempel NO2, NO, O3, SO2), temperatur og fuktighet. En videre forbedring som det jobbes med, er å etablere en infrastruktur (bygd på Apache Spark) for å håndtere store mengder med mikrosensordata som skal inngå inn i maskinlæringsalgoritmene for å forbedre luftkvalitetssensorene.

 

Den underliggende ideen til oppgaven vil være å utvikle maskinlæringsmetoder for effektiv og pålitelig publisering av luftkvalitetsdata ved å integrere mikrosensor-, meteorologi-, trafikkdata med tradisjonelle luftkvalitetsinstrumenter. Oppgaven vil være å teste ulike maskinlæringsalgoritmer for å kunne gi luftkvalitetsmikrosensorer troverdighet.

 

Arbeidsmomenter

 

  1. Gjøre et litteratursøk og beskrive kort faglitteraturen som er nødvendig for å gjennomføre oppgaven.
  2. Finne og implementere gode metoder for å løse oppgaven.
  3. Planlegge og gjennomføre nødvendige forsøk for å teste metoden.
  4. Diskutere styrker og svakheter ved metoden. Gjøre rede for valg man har tatt underveis og hvordan disse har påvirket resultatene, samt å sette resultatene i sammenheng med litteraturen fra punkt 1.
  5. Oppsummere resultatene i oppgaven, samt gi eventuelle råd om nye løsninger og videre arbeid
Publisert 19. okt. 2018 14:09 - Sist endret 19. okt. 2018 14:09

Omfang (studiepoeng)

60