数据集概述
本数据集记录2018年12月至2019年4月期间，在卡尔加里Varsity空气监测站开展的低成本颗粒物传感器（Plantower PMS 5003）与参考仪器（SHARP监测仪）的共定位实验数据。包含传感器原始读数、参考数据及环境参数，用于评估传感器性能并通过机器学习方法校准，核心是验证不同算法对PM2.5监测精度的提升效果。
文件详解
- Sensor_SHARP_Rolling.csv
- 文件格式：CSV
- 字段映射介绍：包含时间戳（TimeStamp）、AirShed颗粒物浓度（PM_AirShed）、传感器颗粒物浓度（PM_Sesnor）字段，记录传感器与参考数据的时间序列匹配信息。
- Sensor_AirShed.xlsx
- 文件格式：XLSX
- 字段映射介绍：未提供具体预览字段，推测包含传感器与AirShed监测站的颗粒物监测数据关联信息。
- RH_T_Rolling.csv
- 文件格式：CSV
- 字段映射介绍：包含时间戳（TimeStamp）、AirShed颗粒物浓度（PM_AirShed）、传感器颗粒物浓度（PM_Sesnor）、传感器相对湿度（RH_Sensor）、传感器温度（Temp_Sensor）字段，记录环境温湿度与颗粒物浓度的同步监测数据。
数据来源
论文“Evaluation and Calibration of a Low-cost Particle Sensor in Ambient Conditions Using Machine Learning Methods”
适用场景
- 低成本传感器性能评估: 分析Plantower PMS 5003在实际环境中的PM2.5监测偏差与稳定性。
- 机器学习校准模型验证: 对比线性回归、XGBoost、前馈神经网络等算法对传感器读数的校准效果。
- 环境参数影响研究: 探究相对湿度、温度对颗粒物传感器监测精度的影响机制。
- 空气质量监测技术优化: 为低成本传感器在环境监测中的应用提供数据支持与校准方法参考。
