Factor Analysis of Seattle Fine Particles
Notice bibliographique
Résumé
Ambient particulate matter ≤2.5 μm in aerodynamic diameter (PM2.5) samples were collected at a centrally located urban monitoring site in Seattle, WA on Wednesdays and Saturdays using Interagency Monitoring of Protected Visual Environments (IMPROVE) samplers. Particulate carbon was analyzed using the thermal optical reflectance method that divides carbon into four organic carbon (OC), pyrolyzed organic carbon (OP), and three elemental carbon (EC) fractions. A total of 384 samples that were analyzed for 36 species were collected between March 1996 and February 2000. These data were analyzed with the standard factor analysis model using the Multilinear Engine (ME). Eleven sources were identified: sulfate-rich secondary aerosol (26%), diesel emissions (22%), wood smoke (16%), gasoline vehicle (10%), aged sea salt (8%), airborne soil (7%), nitrate-rich secondary aerosol (5%), sea salt (4%), oil combustion (3%), paper mill (2%), and ferrous metal processing (1%). The use of ME provided enhanced source separations, including the nitrate-rich aerosol source and two industrial sources that were not deduced in a previous PMF2 solution. Conditional probability functions using surface wind data and resolved source contributions aid in the identifications of local sources. Potential source contribution function analysis tentatively shows southern Washington State, along the Canadian border, and southwestern British Colombia, Canada as the possible source areas and pathways that give rise to the high contribution of the sulfate-rich secondary aerosol.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».