การอนุรักษ์พลังงานสำหรับการเฝ้าติดตามค่าฝุ่น PM 2.5 ภายในอาคาร

ปัญหาฝุ่นละอองขนาดเล็ก (PM2.5) ภายในอาคารที่มีการระบายอากาศจำกัดเป็นประเด็นสำคัญทั้งด้านสิ่งแวดล้อมและสุขภาพ การตรวจวัด PM2.5 อย่างต่อเนื่องด้วยเซ็นเซอร์ราคาประหยัดมักก่อให้เกิดภาระด้านพลังงาน งานวิจัยนี้เสนอแนวทางการลดการใช้พลังงานโดยการปรับช่วงเวลาในการเรียกใช้ข้อมูล (Data Retrieval Interval) ได้แก่ 2, 3 และ 4 นาที โดยลบข้อมูลบางช่วงออกเพื่อจำลองการลดความถี่ของเซ็นเซอร์ แล้วนำโมเดลเรียนรู้ของเครื่องมาพยากรณ์ค่าที่หายไป ข้อมูลถูกแบ่งตาม 3 สภาวะ การจัดการข้อมูลใช้การแปลงคะแนนมาตรฐาน (Z-score) เพื่อตรวจจับค่าผิดปกติ และค่าเฉลี่ยเคลื่อนที่ 5 จุด (Moving Average) เพื่อลดความผันผวน โมเดลที่ใช้ได้แก่ การสุ่มป่าไม้ (RF), การถดถอยเวกเตอร์สนับสนุน (SVR) และ การถดถอยเชิงเส้น (LR) ผลการทดลองพบว่าการสุ่มป่าไม้ให้ผลลัพธ์แม่นยำที่สุดในทุกสภาวะ โดยเฉพาะช่วงเวลาเว้นการเรียกข้อมูลทุก 2–4 นาที ภายใต้สภาวะหมุนเวียนน้อย (MAE =3.06, R² = 0.934) รองลงมาคือ SVR ซึ่งให้ค่า MAE =10.75 และ R² =0.5315 ส่วน Linear Regression เป็นโมเดลที่ให้ผลลัพธ์ต่ำที่สุด โดยมี MAE สูงถึง 19.14 และ R² =0.228 ในสภาวะเดียวกัน แสดงให้เห็นว่าการเลือกช่วงเวลาเรียกข้อมูลอย่างเหมาะสมร่วมกับโมเดลที่มีประสิทธิภาพสามารถลดภาระพลังงานของเซ็นเซอร์ได้โดยไม่ลดทอนความแม่นยำในการพยากรณ์