单片机通过USB数据线与手机通信，仅需一根数据线，比蓝牙和wifi成本低的多。 所需材料: 1.单片机最小系统，本人用的51单片机，型号为STC15W408AS，其他型号也可以，对单片机要求，有串口，有ADC功能即可。 2.USB转串口模块或转接线。手上没这种转接线的可以用STC烧录器。 3.OTG数据线。注意:不是普通的USB数据线，请自行百度OTG线与普通USB数据线的区别。手上没有的，可按百度上的方法来把USB数据线改装成OTG线。网上有卖，几块钱一根。 4.安卓手机。因为本人不会苹果手机应用软件的开发，故APP只有安卓版本。注意:手机要有OTG功能，现在手机基本都有此功能，如何获知自己手机是否有OTG功能，很简单，通过OTG线接上USB接口的电脑鼠标或键盘，如果能正常操作手机，就说明有此功能。 注意事项:请确保硬件连接无短路，串口数据线是否接反等。 硬件很简单，就不画原理图了。只用到了单片机的4个IO口。单片机的串口（P3.0,P3.1)与串口模块串口线连接，P1.0接PM2.5的LED驱动脚，P1.1接PM2.5模块的信号输出脚.PM2.5模块其他接线请参照PM2.5模块手册。 附单片机源码及手机APP。只用到了单片要的4个IO口。 桌面图标 检测空气界面1 检测空气界面2 广告 整个系统硬件连接

全国各地aqi空气质量数据，时间从2014到2020年，基本包括全国各地所有监测站点，包括pm2.5，pm10，co，so2等

基于单片机的设计与实现

arduino uno板 攀藤PM2.5 G5

目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.

克拉科夫空气污染项目 该项目致力于波兰克拉科夫的空气污染水平。 在欧洲的空气质量研究中，波兰城市排名很高。 根据瑞士空气监测平台IQAir的数据，克拉科夫在2019年欧洲污染最严重的城市中第29位。 利用天气条件，该模型可以预测称为PM2.5的极细颗粒物的水平，PM2.5是构成最大健康风险的污染物。 来自2019年和2020年的克拉科夫气象数据和PM2.5数据 执行数据预处理（处理丢失的数据，转换分类特征，缩放数据，消除异常值，设计新特征，检查多重共线性） 进行探索性数据分析 使用sklearn的LinearRegression和RandomForest创建和评估模型 在模型上创建性能最佳的python模块 使用资源 的Python版本： 3.7 软件包： pandas，numpy，sklearn，matplotlib，seaborn，sklearn，requests，json，pic

Predict-pm2.5 Abstract Course: Data Mining Research & Practice (NCTU) This project is the 4th homework of this course. The topic of this project is to handle the series data. Requirements 请使用10和11月资料当作训练集，12月之资料当作测试集， 将前六小时的污染物数据做为特征，未来第一个小时/未来第六个小时的pm2.5数据为预测目标 使用两种模型Linear Regression 和Random Forest Regression 建模并计算MAE 资料前处理 a. 取出10.11.12月资料 b. 缺失值以及无效值以前后一小时平均值取代(如果前一小时仍有空值，再取更前一小时) c. NR表示无

本文应用CMAQ模型进行了河北及周边地区区域尺度的模拟计算,通过情景分析估算了周边各地区对邯郸市PM2.5及其主要成分、消光系数的贡献。结果表明河北省对邯郸市PM2.5的贡献最大,达到67.9%。其次为山西省,其贡献率为7.38%。河南省的贡献率为6.95%,山东省的贡献率为5.48%,京津地区对邯郸市的污染贡献率最小,仅为1.09%。在模拟时段内,各地区对邯郸市大气消光系数的贡献分别为:河北64.7%、山西11.2%、山东3.5%、河南4.8%、京津1.1%。

空气中PM2.5的评价预测模型，王艳艳，段红梅，采用灰色关联分析和MATLAB软件对空气质量指数AQI中6个基本监测指标的相关与独立性进行定量分析，使用逐步回归建立了PM2.5粒子浓度与其

用于数据分析数据源csv文件，北京2010到2014年PM2.5以及天气情况数据