Discrimination and geo-spatial mapping of atmospheric VOC sources using full scan direct mass spectral data collected from a moving vehicle
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Volatile and semi-volatile organic compounds (S/VOCs) are ubiquitous in the environment, come from a wide variety of anthropogenic and biogenic sources, and are important determinants of environmental and human health due to their impacts on air quality. They can be continuously measured by direct mass spectrometry techniques without chromatographic separation by membrane introduction mass spectrometry (MIMS) and proton-transfer reaction time-of-flight mass spectrometry (PTR-ToF-MS). We report the operation of these instruments in a moving vehicle, producing full scan mass spectral data to fingerprint ambient S/VOC mixtures with high temporal and spatial resolution. We describe two field campaigns in which chemometric techniques are applied to the full scan MIMS and PTR-ToF-MS data collected with a mobile mass spectrometry lab. Principal Component Analysis (PCA) has been successfully employed in a supervised analysis to discriminate VOC samples collected near known VOC sources including internal combustion engines, sawmill operations, composting facilities, and pulp mills. A Gaussian mixture model and a density-based spatial clustering of application with noise (DBSCAN) algorithm have been used to identify sample clusters within the full time series dataset collected and we present geospatial maps to visualize the distribution of VOC sources measured by PTR-ToF-MS.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle