Measuring Air Quality: a Computer Framework for Data Collection and Analysis
Notice bibliographique
Résumé
In the summer of 2017, we designed, implemented, and tested a computer framework to collect, analyze, and visualize air quality data for concentrations of fine particulate matter (PM2.5). Our project had three phases: (1) construction and testing of an outdoor/indoor low-cost portable device based on the PM sensor (Plantower PMS5003) and Arduino technology for data collection and data storage for short-term experiments, (2) building a datawarehouse for the collection and aggregation of the PM2.5 data from multiple sources and locations within Kamloops, and (3) analysis and visualization of the PM2.5 data.\nIn the first phase, we tested the performance of the PMS5003 sensor in a series of experiments in two Kamloops locations (low-traffic TRU campus and high-traffic intersection). We designed several experiments to test the responsiveness of the PMS5003 sensor to PM2.5 pollution from vehicles. The collected data show some differences in PM2.5 levels at the intersection with and without heavy traffic and with the varied background pollution (before and during the wildfires in BC). However, we have observed that the data are influenced by several environmental variables, such as wind, temperature, and relative humidity. In the second phase, we obtained several data sets for a multi-sensor analysis of the PM2.5 data from two sources in Kamloops: the two government-run stations and the 22 citizen-run PurpleAir units (based on PMS5003 sensors). We collected data from May 1 until August 23, 2017, stored the data in a database, and prepared the data for further analysis (marking missing data and errors). In the third phase, we created several programs for data aggregation and visualization. We used the database from Phase 2 and produced a series of graphs to compare the PM2.5 concentrations measured by multiple sensors located in various locations within the Kamloops area.\nOur study was exploratory and had several limitations: the PM concentrations vary greatly according to location and environmental factors; the sensors use different approaches for data collection, the data are reported at multiple averaging times; and numerous data are missing from the citizen-run devices. The results provided in this report represent a first step towards an integrated framework for PM2.5 data analysis from environmental monitoring instruments (government stations) and from a network of low cost sensors used by the citizen scientists.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,004 |
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 ».