인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
초록·키워드
The mining industry confronts significant challenges in mitigating airborne particulate matter (PM) pollution, necessitating innovative approaches for effective monitoring and prediction. This research focuses on the design and development of an Internet of Things (IoT)-based real-time monitoring system tailored for PM pollutants in surface mines, specifically PM 1.0, PM 2.5, PM 4.0, and PM 10.0. The novelty of this work lies in the integration of IoT technology for real-time measurement and the application of machine learning (ML) techniques for accurate prediction based on recorded dust pollutants data. The study's findings indicate that PM 1.0 pollutants exhibited the highest concentration in the atmosphere of the ball clay surface mine sites, with the stockyard site registering the maximum levels of PM pollutants (28.45 µg/m<sup>3</sup>, 27.89 µg/m<sup>3</sup>, 26.17 µg/m<sup>3</sup>, and 27.24 µg/m<sup>3</sup>, respectively) due to the dry nature of clay materials. Additionally, the research establishes four ML models-Decision Tree (DT), Gradient Boosting Regression (GBR), Random Forest (RF), and Linear Regression (LR)-for predicting PM pollutant concentrations. Notably, Random Forest demonstrates superior performance with the lowest Mean Absolute Error (MAE) and Root Mean Squared Error (RMSE) at 1.079 and 1.497, respectively. This comprehensive solution, combining IoT-based monitoring and ML-based prediction, contributes to sustainable mining practices, safeguarding worker well-being, and preserving the environment.
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
