Validating the performance of low-cost IAQ sensors through co-location
Notice bibliographique
Résumé
Low-cost indoor air quality (IAQ) sensors offer new opportunities for real-time monitoring in the built environment by occupants and researchers. However, their performance can vary substantially depending on the environmental conditions. This study presents a comprehensive evaluation of carbon dioxide (CO 2 ) and fine particulate matter (PM 2.5 ) measurements from two consumer-grade low-cost sensors (the Airthings View Plus for CO 2 only and Air Gradient Pro for CO 2 and PM 2.5 ) through co-location tests with two reference instruments, Graywolf DSII-8 for CO 2 and Lighthouse Handheld 3016 for PM 2.5 . Using time-series analysis, linear regression, Pearson correlation, Root-Mean Squared Error (RMSE), Bland-Altman test, and paired t -tests, we assess the precision and accuracy of these sensors. At a 5-minute sampling interval, the Air Gradient sensor had a higher coefficient of determination ( R 2 ), stronger Pearson correlation, and narrower range of limits of agreement (LoAs), but higher bias (i.e. the mean difference) and RMSE, suggesting higher precision but lower accuracy when compared to Airthings. As a result, it can perform well for tracking the relative changes in CO 2 , though less ideal for absolute concentrations without calibration. For PM 2.5 , the Air Gradient also had relatively high R 2 (0.79), moderately strong Pearson correlation (ρ = 0.69, p < 0.05), and a narrow range of LOAs (30.1 μg/m 3 ) and low RMSE (5.8 μg/m 3 ). Averaging the 5-minute measurements over 30-minute intervals generally improved the accuracy and precision of both sensors. However, statistically significant differences from the reference instruments remained for both sensors. Overall, this study offers a multi-metric assessment of consumer-grade sensors and highlights the need for in-situ calibration prior to long-term deployment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».