METHODOLOGY FOR ASSESSING THE LEVEL OF ATMOSPHERIC POLLUTION BY ROAD TRANSPORT IN THE PROJECTS OF MANAGEMENT OF ENVIRONMENTAL STATE OF A CITY
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
The level of environmental pollution is the main criterion that determines the quality of living conditions in cities. One of the most dangerous environmental problems of cities that affects the health of the population is atmospheric air pollution by road transport. In the city of Kyiv, the total volume of pollutant emissions from stationary sources in 2020 amounted to 25.5 thousand tons, from mobile sources almost 9 times more – 225.8 thousand tons. The comprehensive air pollution index (API) is used to characterize air quality in cities which allows you to determine how many times the total level of air pollution with several impurities exceeds the permissible value and to identify substances that contribute the most to atmospheric pollution. In most European countries, the USA, Canada and others, the air quality index (AQI) is used to control the level of atmospheric air pollution. When calculating the AQI, the concentration of pollutants is determined by field studies (monitoring) or mathematical modelling. In contrast to monitoring, which is a rather expensive study, mathematical modelling provides not only an operational assessment of the level of atmospheric pollution but also makes it possible to forecast the state of the air and to determine strategies for reducing pollutant emissions. In this regard, the creation of methods that allow making operational forecasts of the level of atmospheric pollution in cities and preventing critical situations in which the concentration of pollutants exceeds the maximum permissible values is an extremely urgent task.
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 | 0,001 | 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 découle