Characterising the temporal variations of ground-level ozone and its relationship with traffic-related air pollutants in the united kingdom: a quantile regression approach
Notice bibliographique
Résumé
Ground-level ozone is a secondary air pollutant and is photochemically produced by solar radiation from the reaction of volatile organic compounds (VOCs) and nitrogen oxides (NOx).Ground-level ozone is considered a harmful pollutant due to its adverse impact on human health, agricultural crops and materials.The concerning factor is that in spite of decreasing trends in some other air pollutants (e.g.NOx), ozone concentrations are still increasing.This paper describes the temporal variations of ozone at four air quality monitoring sites (Harwell, Leeds, Marylebone and Strath Vaich) in the United Kingdom for the year of 2008.The association of ozone with some traffi c-related air pollutants has been explored applying a quantile regression model (QRM).The traffi c-related air pollutants considered as predictors for this study are hydrocarbons (HC), nitric oxides (NO), nitrogen dioxides (NO 2 ), carbon monoxides (CO) and particulate matter (PM 2.5 ).QRM can handle the non-linearities in the relationship of ozone and its predictors and is applicable to non-normal air quality data distribution.The behaviour and interaction of ozone with its predictors vary at different regimes of ozone distributions, which remains hidden when applying an ordinary least square regression model.QRM explains signifi cantly more variations in ozone concentrations (global goodness of fi t R 1 = 0.88) as compared to ordinary least square regression (coeffi cient of determination R 2 = 0.32) and is therefore better suited for ozone data analysis and prediction.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 ».