Notice bibliographique
Résumé
Abstract. PurpleAir sensors offer a unique opportunity for a large-scale and densely populated array of sensors to study surface air quality. While the PurpleAir sensors are inexpensive and abundant, they require calibration against a validated coincident measurement to ensure the quality of the measurement. Traditionally, this calibration is performed using statistical (empirical) methods. We propose a method to extend the aerosol properties determined by PurpleAir sensors to include estimates of the hygroscopic growth of aerosols using a novel calibration method based on the optimal estimation method (OEM). The hygroscopic growth can be estimated during calibration due to the calibration’s sensitivity to relative humidity, which influences the measured size distribution of the aerosols. Our OEM-based retrieval for calibration includes an estimation of the bulk hygroscopicity. By employing the physically-based calibration with the London’s Ministry of the Environment, Conservation and Parks site calibrated measurements, the average daily Mean Absolute Error (MAE) of the PurpleAir PM2.5 measurements decreased from 5.58 μg/m3 to 1.68 μg/m3, and the average daily bias from 4.75 μg/m3 to -0.23 μg/m3. This improvement is comparable to the improvement seen using conventional statistical methodologies. In addition to calibration, using our OEM retrieved allowed us to estimate seasonal bulk hygroscopicity values ranging from 0.33 to 0.40. These values are consistent with the accepted ranges of bulk hygroscopicity values determined in previous studies using sophisticated air quality measurement instruments.
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 | 0,003 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,035 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,142 | 0,119 |
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 ».