講演抄録/キーワード |
講演名 |
MOXセンサとニューラルネットワークを用いたCO2濃度推定に関する検討 ○田口晴信・佐野拓哉(東京高専)・近藤信一・高橋功次・田村 豊・北村俊光(東芝情報システム)・水戸慎一郎(東京高専) |
抄録 |
(和) |
CO2は人体に対し眠気や疲れを引き起こすため,CO2濃度測定による室内環境の可視化が注目されている.また,CO2濃度はCOVID-19における有効な対策となる換気の重要な指標でもある.CO2濃度の測定には通常NDIRセンサが用いられるが,高価であるため広く普及はしていない.そこで,CO2を含んだ有機化合物濃度を測定可能かつ安価なMOXセンサに注目した.本研究では,機械学習を用いMOXセンサの出力からCO2濃度値を推定することを目的とした.教室のCO2濃度をMLP及びRNNモデルにより推定したところ, MLPで299 ppm,RNNで334 ppmの平均平方二乗誤差となった.この結果は,CO2濃度測定の利用を拡大し,室内環境をより快適かつ安全にすることに応用できると考えられる. |
(英) |
A visualization of indoor environments by measuring CO2 concentration has been attracting attention, because CO2 causes drowsiness and fatigue. CO2 concentration is a key indicator for the ventilation, which is the effectual countermeasure for COVID-19. NDIR sensors are usually used for measuring CO2 concentration, but they are not very popular at present due to their high price. Therefore, we focused on inexpensive MOX sensors that can measure the concentration of organic compounds including CO2. In this study, we estimated CO2 value from the output of the MOX sensor using supervised machine learning. The CO2 concentration of the classrooms were estimated by MLP and RNN. The root mean squared error of the MLP and the RNN estimation were 299 ppm and 334 ppm respectively. This result would expand use of CO2 measurement that make indoor environment more comfortable and safe. |
キーワード |
(和) |
機械学習 / CO2センサ / MLP / RNN / 室内空気質 / IoT / COVID-19 / |
(英) |
Machine Learning / CO2 Sensor / MLP / RNN / Indoor Air Quality / IoT / COVID-19 / |
文献情報 |
信学技報 |
資料番号 |
|
発行日 |
|
ISSN |
|
PDFダウンロード |
|