Eine neue Methode, um Ausreißer Luftqualität monitoring-Daten schnell zu identifizieren

Umgebungsluft Qualität monitoring-Daten umfassen die wichtigste Quelle für die Sensibilisierung der Öffentlichkeit für die Luftqualität, und sind weit verbreitet in vielen Bereichen der Forschung, wie die Verbesserung der Luft Qualität Prognose und Analyse der Dunst Episoden. Allerdings gibt es Ausreißer unter solchen monitoring-Daten durch Instrument Störungen, den Einfluss der rauen Umgebungen und die Begrenzung der Messmethoden.

In der Praxis wird manuelle Inspektion häufig angewendet, um diese Ausreißer zu identifizieren. Da die Datenmenge rasant wächst, wird diese Methode jedoch zunehmend lästig.

Um das Problem zu bewältigen, schlagen Sie Dr. Wu Huangjian und außerordentlicher Professor Tang Xiao von der Institut für Physik der Atmosphäre, chinesische Akademie von Wissenschaften, eine vollautomatische Ausreißer Methode basierend auf der Wahrscheinlichkeit der Residuen. Die Methode nimmt mehrere Regressionsmethoden und die Residuen der Regression werden verwendet, um Ausreißer zu diskriminieren. Basierend auf den Standardabweichungen der Residuen, Wahrscheinlichkeiten der Residuen berechnet, und die Beobachtungen mit kleinen Wahrscheinlichkeiten sind als Ausreißer gekennzeichnet und von einem Computerprogramm entfernt. Ihre Ergebnisse werden in Fortschritte in Atmospheric Sciencesveröffentlicht.

„Durch die Einführung der Wahrscheinlichkeiten der Residuen, mehrere Regeln verwendet werden können zur Identifizierung von Ausreißern auf den gleichen Rahmen“, sagt Dr. Wu. „Zum Beispiel durch geht man davon aus, dass die Residuen der Regression räumliche und zeitliche Regression eine bivariate Normalverteilung gehorchen räumlichen und zeitlichen Konsistenz können gleichzeitig zur besseren Identifikation von Ausreißern bewertet werden“.

Die Methode kann möglicherweise falsche Daten in die stündliche Beobachtungen von 1436-Stationen von der China National Environmental Monitoring Center (CNEMC) innerhalb einer Minute kennzeichnen. In der Tat, es wurde in CNEMCs Luftqualität Prognosesystem verwendet, und wird in das Daten-Management-System integriert werden. Die Hoffnung ist, dass Ausreißer in das System in Echtzeit Luftqualitätsdaten in naher Zukunft entfernt werden.

Die Methode ist in Fortschritte in der stimmungsvollsten Wissenschaftenveröffentlicht.

Weitere Informationen:
Huangjian Wu Et al., probabilistische automatische Ausreißererkennung für Oberfläche Luftqualitätsmessungen von der China National Environmental Monitoring Network, Advances in Atmospheric Sciences (2018). DOI: 10.1007/s00376-018-8067-9

Teilen Ist Liebe! ❤❤❤ 3 shares ❤❤❤

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

shares