基于LPWAN和AQI指数预测的空气质量监测系统

针对传统空气质量监测系统耗电量大、抗干扰能力差、稳定性不高以及空气质量指数(air quality index,AQI)预测精度不足等问题,设计了一种集低功耗广域物联网LPWAN、One-NET云平台和循环神经网络(gated recurrent unit,GRU)于一体的空气质量监测系统。系统采用光伏为主、市电为辅的混合模式供电;利用远距离无线电LoRa技术采集环境参数,集合云平台技术、麻雀搜索算法-变分模态分解-循环神经网络(sparrow search algorithm-variational mode decomposition-GRU,SSA-VMD-GRU)耦合模型实现远程监控和预测AQI指数。通过通信测试,结果表明通信距离1000 m内,通信率在96%以上,丢包率不超过4%。将采集到的特征参数用传统的GRU模型、VMD-GRU模型和本文提出的SSA-VMD-GRU模型进行训练、测试仿真和对比,结果表明SSA-VMD-GRU模型相较于传统的GRU模型和VMD-GRU模型对AQI指数有更好的预测效果,均方根误差分别减小了22.434、0.833,平均绝对误差分别减小了16.849、0.623,预测误差率在3%以内。该系统能够实现对空气质量的实时监控和AQI指数的精准预测,为准确发布空气质量预警提供借鉴。