मेरे पास एमएच-जेड 14 कार्बन डाइऑक्साइड सेंसर है और इसका उपयोग यह कोशिश करने और पता लगाने के लिए किया जाता है कि किसी कमरे में कुछ ताजी हवा की आवश्यकता हो सकती है। लेकिन, मैंने यह भी देखा है कि जब मनुष्य किसी कमरे में मौजूद होता है और विशेष रूप से सेंसर के करीब होता है तो सेंसर बहुत तेजी से बढ़ता है।
मैं सोच रहा हूं कि क्या किसी ने कमरे में वर्तमान CO2 मान का उपयोग करने के लिए एक कमरे में लोगों की अनुमानित संख्या का पता लगाने की कोशिश की और यह कैसे संभव और सटीक हो सकता है?
जवाबों:
@ जोसटोला की टिप्पणी (कुछ इस तरह: "कुछ मशीन सीखने की तरह लग सकता है") शायद सही जवाब है, लेकिन मैं इस पर थोड़ा विस्तार करूंगा।
यह कम से कम निम्नलिखित कारकों पर निर्भर करता है:
मैं एक कंपनी से डेटा का इस्तेमाल किया है 2 मोटे तौर पर एक ही कमरे के लिए अतीत में कक्ष अधिभोग अनुमान लगाने के लिए सेंसर, मैं समय पर मार्ग सीखने मशीन नीचे जा रहा खत्म नहीं हुई, बल्कि परिवर्तन सीओ की दर जैसी चीजों का उपयोग कर 2 देने के लिए एक संकेतक (जितने अधिक लोगों का मूल्य उतना ही अधिक होता है)। लेकिन अगर मैं इसे फिर से कर रहा था तो मैं शायद प्रशिक्षण सामग्री के रूप में उपयोग करने के लिए डेटा इकट्ठा करना शुरू कर दूंगा।
यह एक अन्य सेंसर के साथ डेटा को फ्यूज करने के लायक भी हो सकता है, उदाहरण के लिए एक सापेक्ष आर्द्रता सेंसर, क्योंकि यह भी उसी समय बढ़ने की संभावना है।
ऐसा प्रतीत होता है कि इस पर कुछ शोध पहले से ही किए गए हैं - सेंसिंग बाय प्रॉक्सी: ऑक्यूपेंसी डिटेक्शन इंडोर सीओ 2 पर आधारित एकाग्रता, एक मॉडल का वर्णन करता है जो कैलिफोर्निया विश्वविद्यालय, बर्कले में सीओ 2 एकाग्रता के आधार पर अधिभोग का पता लगाने के लिए विकसित किया गया है ।
हम एक लिंक मॉडल का प्रस्ताव करते हैं जो डेटा-चालित मॉडल के आधार पर अज्ञात मानव उत्सर्जन दरों के साथ प्रॉक्सी मापों से संबंधित है जो एक युग्मित आंशिक अंतर समीकरण (पीडीई) - साधारण अंतर समीकरण (ODE) प्रणाली से मिलकर बनता है।
उनका मॉडल स्पष्ट रूप से अन्य मशीन लर्निंग मॉडल की तुलना में अधिक सटीक है जिसे उन्होंने परीक्षण किया था:
कमरे में रहने वालों की संख्या का अनुमान, हवा की वापसी पर CO2 माप के आधार पर और हवा की आपूर्ति vents द्वारा छद्म संवेदीकरण द्वारा मशीन सीखने के एल्गोरिदम की एक सीमा होती है, और 0.6569 (आंशिक व्यक्ति) की समग्र औसत चुकता त्रुटि प्राप्त होती है, जबकि बेयस नेट द्वारा सबसे अच्छा विकल्प 1.2061 (आंशिक व्यक्ति) है।
पेपर में एल्गोरिथम 1 (पी। 3) उनके समान प्रणाली को कैसे लागू किया जाए, इस पर कुछ दिशा दे सकता है, जो सीओ 2 सेंसर की सरलीकृत प्रकृति को देखते हुए आश्चर्यजनक रूप से विश्वसनीय लगता है ।