Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: modele regresji wielowymiarowej

Sortuj według:

Ogranicz wyniki do:

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

Hoffman S., Filak M.

Inżynieria i Ochrona Środowiska

2018

T. 21, nr 4

321--333

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).

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).

Statystyczna ocena czynników wpływających na zmiany stężenia ozonu w warstwie granicznej atmosfery

Hoffman S.

Inżynieria i Ochrona Środowiska

1998

T. 1, nr 1

65-72

Badania przeprowadzono na podstawie danych z lat 1993 i 1994 pochodzących z sieci monitoringu powietrza w Kędzierzynie-Koźlu. W obliczeniach wykorzystano dane zebrane w postaci 60-minutowych średnich stężeń O3 i NOx, temperatury, natężenia promieniowania słonecznego i prędkości wiatru. Sporządzono modele regresji wielowymiarowej, w których zmienną zależną jest stężenie ozonu. Do każdego modelu wprowadzono cztery zmienne niezależne, którymi są najważniejsze czynniki wpływające na poziom ozonu w warstwie granicznej, tj. temperatura, promieniowanie słoneczne, prędkość wiatru, stężenie NOx. Wyselekcjonowano cztery różne zbiory danych w celu opisania współzależności zmiennych w różnych stanach warstwy granicznej atmosfery.

Studies were performed based on data derived from the air monitoring network in Kędzierzyn-Koźle from the years 1993-1994. The data gathered in the form of 60-minutes' averages of O3 and NOx concentrations, temperature, solar radiation and wind velocity were used in the calculations. Multiple regression models with ozone concentration as a response variable were obtained. The most important agents effecting on ozone concentration changes in the atmospheric boundary layer, i.e. temperature, solar radiation, wind velocity, NOx concentration, were entered into the models as explanatory variables. Four different data series were selected in order to determine interdependence of variables under different meteorological conditions in the atmospheric boundary layer.