一个环境测量实验及基于人工智能的数据分析
本帖最后由 zoey不种土豆 于 2025-3-11 18:24 编辑原文作者：郑剑春
本实验中我们希望测量环境中对健康最重要的几个物理量，温度、湿度、TVOC、CO2，观察这些物理量的变化规律，并利用人工智能的方法寻找这些物理量的关连性。
一、器材
行空板温湿度传感器ENS160 空气质量传感器
二、程序设计
程序的设计思路主要是通过硬件传感器（ENS160 和 DHT11）采集环境数据，并将这些数据实时显示在图形用户界面（GUI）上，同时定期将数据记录到 CSV 文件中。
三、程序
四、运行程序
运行程序后，获得数据文件：sensor_data.csv
五、数据分析
以时间为横轴，将所有测量值绘制成曲线
要想实现这一效果，我们可以使用excel表格，当然也可以使用python编写程序（略）
示例图表：
CO2 曲线：蓝色曲线，展示 CO2 浓度随时间的变化。
TVOC 曲线：绿色曲线，展示 TVOC 浓度随时间的变化。
温度曲线：橙色曲线，展示温度随时间的变化。
湿度曲线：红色曲线，展示湿度随时间的变化。
六、用机器学习方法进行分析，寻找数据间的联系
以下是基于数据文件的完整 Python 程序，包括数据预处理、探索性数据分析、机器学习建模、模型优化和结果解释。程序的目标是分析数据之间的联系，并预测空气质量（或其他目标变量）。
1、程序说明：详见程序注释
2、运行结果：
(1)相关性矩阵
相关性矩阵，用于可视化多个变量之间的关系。相关性矩阵显示了多个变量之间的相关系数。相关系数的取值范围是从 -1 到 1，其中：
[*]1 表示完全正相关（一个变量增加时，另一个变量也按比例增加）。
[*]-1 表示完全负相关（一个变量增加时，另一个变量减少）。
[*]0 表示没有相关性。
关键观察点：
[*]CO2 (ppm) 与其他变量的关系：
CO2 与“Hour”（小时）有非常强的正相关（0.99）说明 CO2 的浓度与时间（小时）有很大关系，可能随着一天中的时间变化而波动。CO2 与 TVOC（总挥发性有机化合物）有中等程度的正相关（0.28），说明它们可能一起增加。
[*]TVOC (ppb) 与其他变量的关系：
TVOC 与 CO2 之间有强的正相关（0.91），意味着这两者可能同时增加。TVOC 与温度、其他时间相关变量也有较强的相关性。
[*]温度 (°C) 与其他变量的关系：
温度与 CO2 之间有负相关（-0.35），这意味着温度增加时，CO2 可能会减少，或者反之。
[*]时间变量（小时、分钟）：
小时与分钟之间的相关性非常小（-0.008），这是预期中的结果，因为它们代表不同的时间变量（小时在 x 轴，分钟在 y 轴）。
[*]滚动均值和标准差：
CO2 和 TVOC 的滚动均值与标准差与其他变量（如 TVOC、CO2、时间相关变量）之间有一定的中等相关性。
热力图通过颜色渐变来表示这些相关值。红色和蓝色分别表示强相关性（正相关或负相关），相关系数越接近 1 或 -1，相关性越强。
(2)特征重要性 (Feature Importance)
特征重要性图展示了随机森林模型中各个特征对预测目标变量（如空气质量）的贡献程度。
关键点：
TVOC_rolling_std（TVOC 的滑动标准差）和 CO2_rolling_mean（CO2 的滑动均值）是重要性最高的特征。
TVOC_lag1 和 CO2_lag1 的重要性较低，但仍然对模型有一定贡献。温度 (°C) 和 湿度 (%) 的重要性较低，表明它们对空气质量的影响较小。
结论：
TVOC 和 CO2 的统计特征（如滑动均值和标准差）对预测空气质量非常重要。滞后特征（如 TVOC_lag1 和 CO2_lag1）也有一定贡献，但不如统计特征显著。温度 和 湿度 对空气质量的影响较小，可以在后续分析中适当忽略。
(3)SHAP 值 (SHAP Values)
SHAP 值用于解释模型的预测结果，展示每个特征对单个预测的影响。
关键点：
TVOC (ppb) 和 CO2 (ppm) 的 SHAP 值较高，表明它们对模型输出的影响较大。TVOC_lag1 和 CO2_lag1 的 SHAP 值较低，表明它们对模型输出的影响较小。温度 (°C) 和 湿度 (%) 的 SHAP 值接近零，表明它们对模型输出的影响可以忽略。
结论：
TVOC 和 CO2 是影响空气质量的主要因素。滞后特征（如 TVOC_lag1 和 CO2_lag1）对模型输出的影响较小。温度 和 湿度 对空气质量的影响可以忽略。
(4)均方误差 (Mean Squared Error, MSE)
均方误差（MSE）是评估模型预测性能的指标，值越小表示模型的预测效果越好。
关键点：
模型的 MSE 为 0.00927，这是一个非常小的值，表明模型的预测效果非常好。MSE 接近零，说明模型的预测值与实际值非常接近。
结论：
模型的预测性能非常好，能够准确地预测空气质量。
综合分析
1、数据相关性：
TVOC 和温度高度相关，表明温度可能是影响 TVOC 浓度的主要因素。CO2 和 TVOC 的相关性较弱，表明它们可能受不同因素的影响。滞后特征（如 CO2_lag1 和 TVOC_lag1）与当前值的相关性很高，表明时间序列数据具有较强的时间依赖性。
2、特征重要性：
TVOC_rolling_std 和 CO2_rolling_mean 是预测空气质量最重要的特征。TVOC_lag1 和 CO2_lag1 的重要性较低，但仍然对模型有一定贡献。温度 和 湿度 的重要性较低，表明它们对空气质量的影响较小。
3、SHAP 值：
TVOC 和 CO2 是影响空气质量的主要因素。滞后特征（如 TVOC_lag1 和 CO2_lag1）对模型输出的影响较小。温度和湿度对空气质量的影响可以忽略。
4、模型性能：
模型的 MSE 为 0.00927，表明模型的预测效果非常好。
页:
[1]