Prediction of monthly averages of air pollutant concentrations for selected areas in Mazovian Voivodeship

• Autorzy: Hoffman S. , Filak M.

Identyfikatory

DOI

10.17512/ios.2018.4.1

Warianty tytułu

PL

Predykcja średniomiesięcznych stężeń zanieczyszczeń powietrza dla wybranych obszarów województwa mazowieckiego

• Języki publikacji: EN

Abstrakty

EN

The study was carried out using long-term data, recorded at two air monitoring stations in Masovian Voivodeship. Hourly time series, obtained from the monitoring system, were averaged in calendar months to get monthly time series. The data sets, containing time series of monthly mean values from two different monitoring sites, were subjected to multivariate regression analysis. Models of multidimensional linear regression were built for the both sets of data. The obtained models describe statistical dependencies between concentrations of specified air pollutants and concentrations of other pollutants and meteorological parameters, recorded at the same monitoring station. The achieved regression equations were used to predict long-term courses of monthly concentrations. For visualization of prediction accuracy, the charts containing time series of actual and predicted monthly concentrations were prepared. The approximation precision was estimated by calculating modelling errors for each regression model. Three different measures of approximation error were applied: mean absolute error (MAE), root mean square error (RMSE), and Pearson correlation coefficient (r).

PL

Badania przeprowadzono, wykorzystując wieloletnie dane pomiarowe zarejestrowane na dwóch stacjach monitoringu powietrza w województwie mazowieckim. 1-godzinne serie czasowe uśredniono w okresach miesięcznych, uzyskując średniomiesięczne serie czasowe. Zbiory danych zawierających serie czasowe wartości średniomiesięcznych poddano analizie regresji wielowymiarowej. W obu zbiorach szukano modeli wielowymiarowej regresji liniowej, opisujących statystyczną zależność stężeń poszczególnych zanieczyszczeń powietrza od stężeń pozostałych zanieczyszczeń i od parametrów meteorologicznych. Otrzymane równania regresji wykorzystano do predykcji średniomiesięcznych stężeń zanieczyszczeń powietrza. Sporządzono wykresy zawierające serie czasowe rzeczywistych i przewidywanych stężeń średniomiesięcznych, które pozwoliły na wizualizację dokładności predykcji. Oszacowano również dokładność aproksymacji, obliczając błędy modelowania dla każdego z modeli regresyjnych. Zastosowano trzy różne miary błędu aproksymacji, obliczając dla modeli regresyjnych średni błąd bezwzględny (MAE), pierwiastek z błędu średniokwadratowego (RMSE), współczynnik korelacji Pearsona (r).

Słowa kluczowe

EN

air pollution; air monitoring; pollutant concentrations; monthly concentrations; multivariate regression models; approximation error

PL

zanieczyszczenia powietrza; monitoring powietrza; stężenia zanieczyszczeń; stężenia średniomiesięczne; modele regresji wielowymiarowej; błąd aproksymacji

• Wydawca: Wydawnictwo Politechniki Częstochowskiej
• Czasopismo: Inżynieria i Ochrona Środowiska
• Rocznik: 2018
• Tom: T. 21, nr 4
• Strony: 321--333
• Opis fizyczny: Bibliogr. 6 poz., wykr.

Twórcy

autor

Hoffman S.

• Czestochowa University of Technology, Faculty of Infrastructure and Environment, Department of Chemistry, Water and Wastewater Technology, ul. J.H. Dąbrowskiego 73, 42-201 Częstochowa

autor

Filak M.

• Czestochowa University of Technology, Faculty of Infrastructure and Environment, Department of Chemistry, Water and Wastewater Technology, ul. J.H. Dąbrowskiego 73, 42-201 Częstochowa

Bibliografia

• [1] Milionis A.E., Davies T.D., Regression and stochastic models for air pollution - I. Review, comments and suggestions, Atmos. Environ. 1994, 28, 17, 2801-2810.
• [2] Milionis A.E., Davies T.D., Regression and stochastic models for air pollution - II. Application of stochastic models to examine the links between ground-level smoke concentrations and temperature inversions, Atmos. Environ. 1994, 28, 17, 2811-2822.
• [3] Hoffman S., Jasiński R., Uzupełnianie brakujących danych w systemach monitoringu powietrza, Wydawnictwo Politechniki Częstochowskiej, Częstochowa 2009.
• [4] Hauck H., Kromp-Kolb H., Petz E., Requirements for the completeness of ambient air quality data sets with respect to derived parameters, Atmos. Environ. 1999, 33, 2059-2066.
• [5] Birkes D., and Dodge Y., Alternative Methods of Regression, Wiley-Interscience Publication, New York 1993.
• [6] Zeliaś A., Pawełek B., Wanat S., Prognozowanie ekonomiczne: teoria, przykłady, zadania, WN PWN, Warszawa 2013.

Uwagi

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2019).