An air dispersion model for the city of Toronto, Ontario, Canada
Notice bibliographique
Résumé
Air quality is a major concern for the public; therefore, the reliability of accurate models in predicting the air quality is of a major interest. In this study, a Gaussian air dispersion model, known as the Air dispersion model for Road Sources in Urban areaS (ARSUS), was developed to predict the ground level concentrations for a contaminant of interest. It was demonstrated that this model could be used successfully in place of or in conjunction with ambient air monitoring stations in determining the local Air Quality Index (AQI). The ARSUS model was validated against the US EPA ISC3 model before it was used to conduct two studies in this investigation. These two studies simulated weekday morning rush-hour tailpipe emissions of CO and predicted ground level concentrations. The first study used the ARSUS model to predict ground level concentrations of CO from the tailpipe emissions for roads and highways located in the vicinity of the Toronto West ambient air monitoring station. The second study involved an expansion of the domain to predict ground level concentrations of CO from tailpipe emissions from highways in the City of Toronto, Ontario, Canada. The predicted concentrations were then compared to the data collected from the Toronto West ambient air monitoring station. The results of the ARSUS model indicated that the air quality in the immediate vicinity of roads or highways is highly impacted by the tailpipe emissions. Higher concentrations were observed for the areas adjacent to the road and highway sources. The tailpipe emissions of CO from highways had a higher contribution to the local air quality. The predicted ground level concentrations from the ARSUS model under-predicted when compared to the observed data from the monitoring station; however, despite this, the predictive model is viable.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».