Significance of Meteorological Feature Selection and Seasonal Variation on Performance and Calibration of a Low-Cost Particle Sensor
Notice bibliographique
Résumé
Poor air quality is a major environmental concern worldwide, but people living in low- and middle-income countries are disproportionately affected. Measurement of PM2.5 is essential for establishing regulatory standards and developing policy frameworks. Low-cost sensors (LCS) can construct a high spatiotemporal resolution PM2.5 network, but the calibration dependencies and subject to biases of LCS due to variable meteorological parameters limit their deployment for air-quality measurements. This study used data collected from June 2019 to April 2021 from a PurpleAir Monitor and Met One Instruments’ Model BAM 1020 as a reference instrument at Alberta, Canada. The objective of this study is to identify the relevant meteorological parameters for each season that significantly affect the performance of LCS. The meteorological features considered are relative humidity (RH), temperature (T), wind speed (WS) and wind direction (WD). This study applied Multiple Linear Regression (MLR), k-Nearest Neighbor (kNN), Random Forest (RF) and Gradient Boosting (GB) models with varying features in a stepwise manner across all the seasons, and only the best results are presented in this study. Improvement in the performance of calibration models is observed by incorporating different features for different seasons. The best performance is achieved when RF is applied but with different features for different seasons. The significant meteorological features are PM2.5_LCS in Summer, PM2.5_LCS, RH and T in Autumn, PM2.5_LCS, T and WS in Winter and PM2.5_LCS, RH, T and WS in Spring. The improvement in R2 for each season (values in parentheses) is Summer (0.66–0.94), Autumn (0.73–0.96), Winter (0.70–0.95) and Spring (0.70–0.94). This study signifies selecting the right combination of models and features to attain the best results for LCS calibration.
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 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».