【Code with SOLO】用 SOLO 搭建室内空气质量预测系统：仅用 4 个低成本传感器即可精准预测 PM2.5

SOLO挑战赛专区
1

【Code with SOLO】用 SOLO 搭建室内空气质量预测系统：仅用 4 个低成本传感器即可精准预测 PM2.5

摘要

室内空气质量直接影响工作效率和身体健康，但专业 PM2.5 传感器价格昂贵。我用 TRAE SOLO 搭建了一套基于 LightGBM 的室内 PM2.5 预测系统，仅用 TVOC、CO2、温度、湿度 4 个低成本传感器数据，就能达到 R² = 0.9352 的预测精度。从数据清洗、特征工程、模型训练、5 折交叉验证到可视化，全程由 SOLO 辅助完成。最终还用 SOLO 生成了 C++ 嵌入式部署代码，可以直接跑在 ESP32 上，为我的物联网竞赛作品"智能桌面魔方"提供端侧推理能力。

背景

我是一名大学生，正在参加物联网竞赛，计划制作一款"智能桌面魔方"——一个小型桌面设备，集成多种传感器，能实时监测空气质量、温湿度等环境数据，并通过可视化界面展示。

听起来很美好，但现实很骨感。

在采购传感器模块时，我遭遇了"生活费暴击"：PM2.5 传感器模块动辄上百元，加上温湿度、TVOC、CO2 等模块，硬件成本直接让我的大学生活费雪上加霜、捉襟见肘。

于是我开始思考：能不能用便宜的传感器数据，通过算法"算"出贵传感器的读数？

比如 TVOC 和 CO2 传感器几十块就能搞定，如果用它们的数据训练一个模型来预测 PM2.5，不就能省掉昂贵的 PM2.5 传感器了吗？

说干就干，我用 TRAE SOLO 从零搭建了整个机器学习流程——数据清洗、特征工程、模型训练、可视化，一套组合拳下来，还真就跑通了。

数据集使用的是 Kaggle 上的 2023 Indoor Air Quality Dataset Germany，包含了德国室内环境的多种传感器数据（实验室 + 单间公寓两个场景），非常适合做空气质量预测实验。

实践过程

第一步：任务拆解

我先把整个项目拆解为以下几个子任务，逐一交给 SOLO 处理：

  1. 数据加载与探索性分析

  2. 数据清洗（缺失值、异常值处理）

  3. 特征选择与特征工程

  4. LightGBM 模型训练（含早停机制）

  5. 5 折交叉验证，确保模型泛化能力

  6. 模型评估（RMSE、MAE、R²、MAPE）

  7. 可视化（预测散点图、特征重要性图）

  8. 模型保存与预测脚本封装

  9. C++ 嵌入式部署代码生成

第二步：用 SOLO 逐步实现

数据加载与清洗

我告诉 SOLO：“加载 2023-indoor-air-quality-dataset-germany.csv 数据集，自动识别 PM2.5、TVOC、CO2、温度、湿度等字段，进行数据清洗。” SOLO 自动完成了字段匹配、类型转换、缺失值删除等工作。

数据集包含两个场景：

  • laboratory.csv：实验室环境数据

  • one_room_apartement.csv：单间公寓环境数据

两版本对比实验

为了验证"少特征也能预测"的想法，我让 SOLO 分别实现了多个版本：

版本 特征 说明
全特征版 34 个传感器特征 包含 PM1、PM10、O3、NO2、SO2、气压、噪音等
4 特征版 TVOC + CO2 + 温度 + 湿度 仅用低成本传感器
交叉验证版 TVOC + CO2 + 温度 + 湿度 5 折交叉验证，确保泛化性

SOLO 帮我生成了多套完整的训练脚本，代码结构清晰，注释详尽。

模型训练

关键 Prompt 示例：

“用 LightGBM 做回归预测，目标变量是 PM2.5，使用 TVOC、CO2、温度、湿度 4 个特征，设置 learning_rate=0.05, num_leaves=31, max_depth=6，启用 early_stopping，stopping_rounds=50，最大训练 1000 轮，并做 5 折交叉验证”

SOLO 生成的训练代码包含了完整的 Dataset 构建、参数配置、早停回调、交叉验证等，一次跑通。

特征重要性分析

5 折交叉验证的特征重要性结果显示，湿度是最重要的预测特征（Gain 远超其他特征），TVOC 和 CO2 紧随其后，温度贡献相对较小但仍有价值。

（此处插入 feature_importance.png）

从算法到硬件：嵌入式部署

模型训练完成后，我还需要把模型部署到硬件上。于是我又让 SOLO：

“帮我生成 C++ 版本的 LightGBM 预测代码，要能部署到 ESP32 嵌入式设备上，实现端侧推理”

SOLO 生成了完整的 C++ 部署方案，包括：

  • LightGBM C++ API 调用代码

  • 嵌入式设备简化版 C 接口

  • 编译命令和依赖说明

这意味着训练好的模型可以真正跑在我的"智能桌面魔方"硬件里，不需要联网，实现端侧推理。

第三步：踩坑记录

  • 数据集中 PM2.5 字段名是 pm2_5 而非 pm25，SOLO 自动做了模糊匹配，省去了手动排查的时间

  • 部分数据存在负值异常，SOLO 在清洗阶段自动过滤了 PM2.5 < 0 的记录

  • 全特征版 R² 高达 0.9990，但 34 个传感器的硬件成本太高；4 特征版 R² = 0.9352，性价比最优

  • 湿度特征的重要性远超其他特征（约 5 倍），说明室内湿度与 PM2.5 有很强的物理关联

成果展示

项目结构

model/
├── data/
│   ├── laboratory.csv              # 实验室数据
│   └── one_room_apartement.csv     # 单间公寓数据
├── train_pm25.py                   # 全特征（34个）训练脚本
├── train_pm25_4features.py         # 4 特征训练脚本
├── trainpm25_fold_4fetures.py      # 4 特征 + 5 折交叉验证训练脚本
├── predict_pm25.py                 # 全特征预测脚本
├── predict_pm25_4features.py       # 4 特征预测脚本
├── pm25_predictor.txt              # 全特征模型文件
├── pm25_predictor_4features.txt    # 4 特征模型文件
├── pm25_predictor_4features_fold.txt  # 交叉验证模型文件
├── pm25_predictor_4features_fold.md   # 模型文档（含 C++ 部署方案）
├── feature_columns.json            # 34 个特征列名
├── prediction_scatter.png          # 全特征版预测散点图
├── prediction_scatter_4features.png # 4 特征版预测散点图
└── feature_importance.png          # 特征重要性图

数据来源

代码仓库

这是同学创建的仓库 训练的模型在model分支下https://github.com/tianchuangya/SmartDesktopCube-IoT/tree/model

预测效果对比

4 特征版（低成本方案）：仅用 TVOC + CO2 + 温度 + 湿度

prediction_scatter_4features
prediction_scatter_4features1200×1200 117 KB

R² = 0.9352，说明仅用 4 个低成本传感器的数据，就能解释 93.5% 的 PM2.5 变化。

全特征版（34 个传感器）：作为对比参考

prediction_scatter
prediction_scatter1200×1200 57 KB

R² = 0.9990，近乎完美——但需要 34 个传感器，硬件成本翻了十倍不止。

核心预测代码（4 特征版，仅需 4 个传感器）

import lightgbm as lgb
import pandas as pd
​
# 加载模型
model = lgb.Booster(model_file='pm25_predictor_4features.txt')
​
# 填入传感器读数
new_data = pd.DataFrame([{
    'tvoc': 120,         # TVOC 传感器读数（ppb）
    'co2': 450,          # CO2 传感器读数（ppm）
    'temperature': 22.5, # 温度传感器读数（°C）
    'humidity': 65,      # 湿度传感器读数（%）
}])
​
# 预测
pm25_pred = model.predict(new_data)
print(f"预测 PM2.5: {pm25_pred[0]:.1f} μg/m³")

嵌入式部署（C++ 版本）

#include <iostream>
#include <vector>
#include "LightGBM/c_api.h"
​
int main() {
    BoosterHandle booster;
​
    // 加载模型
    LGBM_BoosterCreateFromModelfile("pm25_predictor_4features_fold.txt", &booster);
​
    // 传感器数据 (顺序: temperature, co2, tvoc, humidity)
    std::vector<double> input_data = {22.5, 450.0, 120.0, 65.0};
​
    // 预测
    double prediction;
    int64_t out_len;
    LGBM_BoosterPredictForMatSingleRow(
        booster, input_data.data(), C_API_DTYPE_FLOAT64,
        4, 1, 1, C_API_PREDICT_NORMAL, 0, -1, "", &out_len, &prediction
    );
​
    std::cout << "预测 PM2.5: " << prediction << " μg/m³" << std::endl;
    LGBM_BoosterFree(booster);
    return 0;
}

效果与总结

提效成果

环节 手动开发 SOLO 辅助
数据清洗脚本 ~30 分钟 ~5 分钟
模型训练代码 ~1 小时 ~10 分钟
5 折交叉验证 ~40 分钟 ~5 分钟
可视化代码 ~30 分钟 ~5 分钟
预测脚本封装 ~20 分钟 ~3 分钟
C++ 嵌入式部署代码 ~2 小时 ~15 分钟
总计 ~5 小时 ~45 分钟

使用心得

  1. SOLO 最强的能力是任务拆解：我把整个项目描述清楚后，SOLO 自动拆分成了数据加载→清洗→训练→交叉验证→评估→可视化→部署的完整流程，每一步都有清晰的输出

  2. 代码质量超出预期：生成的代码结构规范、注释充分、错误处理完善，几乎不需要手动修改就能直接运行

  3. 迭代效率极高：从全特征版到 4 特征版，再到交叉验证版，只需一句话描述，SOLO 就能基于已有代码快速迭代

  4. 跨语言能力很实用：从 Python 训练到 C++ 部署，SOLO 帮我打通了算法到硬件的最后一公里

职场 / 竞赛价值

这套方案的实际意义在于：

  • 省钱：用 4 个低成本传感器（TVOC + CO2 + 温度 + 湿度）替代昂贵的 PM2.5 传感器，硬件成本降低 70% 以上

  • 可用：R² = 0.9352 的预测精度完全满足日常室内空气质量监测需求

  • 可部署：C++ 代码可以直接跑在 ESP32 等嵌入式设备上，实现端侧推理，不需要联网

  • 可扩展：同样的思路可以迁移到其他环境参数的预测，比如用温度+湿度预测体感舒适度

对于我的物联网竞赛作品"智能桌面魔方"来说，这套方案让我的生活费保住了，也让项目的可行性大大提升。

本文使用 TRAE SOLO 辅助完成，属于「AI 无限职场」SOLO 挑战赛参赛作品。

1 个赞