Riassunto analitico
Questo studio affronta il problema della correzione delle anomalie nei dati di qualità dell'aria rilevati da sensori low-cost in varie località. Utilizzando un insieme di modelli di machine learning e deep learning, l'obiettivo è migliorare l'accuratezza dei dati rispetto ai valori di riferimento forniti da stazioni ufficiali. La metodologia prevede un’analisi comparativa delle tecniche di pulizia, correzione e predizione applicate ai dati, considerando variabili di particolato atmosferico, ambientali e di contesto geografico. I risultati mostrano che l'uso di specifici modelli migliora la qualità dei dati e ne favorisce la generalizzazione su scenari diversi, migliorando l'applicabilità delle tecniche già utilizzate in letteratura rispetto ai dati forniti dalle soluzioni low-cost per il monitoraggio dell'inquinamento dell'ambiente urbano.
|
