3. Results and Discussion3.1. Results of detrended fluctuation analysi การแปล - 3. Results and Discussion3.1. Results of detrended fluctuation analysi ไทย วิธีการพูด

3. Results and Discussion3.1. Resul

3. Results and Discussion
3.1. Results of detrended fluctuation analysis
Figure 2 shows the results of the DFA performed for the daily
APIs. In this case, we found two different scaling regions (red and
blue markers) with two different DFA exponents, approximately
0.795 and 0.547 for small and large time scales, respectively, with a
critical time scale (nc) of about one year. The series is persistent in
time spans less than one year and stochastic in time spans greater
than one year.
Moreover, the DFA method is applied to the pollution indices
of SO2, NO2 and PM10 and the results are shown in Table 1. These
observed F(n)∝nα relationships all exhibit two scaling regimes (red
and blue markers) with the same nc of about one year. As to the
SO2 indices, for nnc, α2=1.482. As to the
NO2 indices, for n nc, α2=0.347. As to the
PM10 indices, for n< nc, α1=0.775; while for n>nc, α2=0.902.
Figure 2. DFA of the daily APIs.
The results of DFA also display that these four time series are
characterized by scale free and self–affine–type fractal behaviors
(Liu et al., 2014a). There is no obvious difference in the values of α1
seen in the four series, implying that α1 is independent of the
pollutant species. α1 indicates some similar dynamic characteristics
of various pollutants’ temporal evolution in annual cycle. However,
some obvious differences among various pollutants in temporal
evolution still exist, which can be described by α2. α2 of APIs indices
exhibit similar values which show some expectable stochastic
characteristics. However, for α2 of the pollution indices of SO2 and
PM10, they show higher persistence or long–term memory at a
large temporal scale; for the pollution indices of NO2, it shows
anti–persistence at a large temporal scale. This may relate to long–
term climatological processes, some meteorological variables, such
as temperature and wind speed, and the length of the data and the
internal dynamics of air pollutants (Cogliani, 2001; Shi et al., 2008).
Furthermore, the spectrum with α>0.5 represent long memory up
to the time scale considered. This is the temporal analogy to spatial
fractal scaling observed in, for example, the branching patterns of
a tree, the pulmonary bronchioles, or the arterial system. Thus,
fluctuations at all scales within the range are related to each other
and a fractal and long memory behavior may be assumed.
Table 1. DFA of the daily APIs, SO2,, NO2 and PM10
APIs SO2 NO2 PM10
α1 0.795 0.815 0.856 0.775
nc 2.648 2.579 2.532 2.562
α2 0.547 1.482 0.347 0.902
3.2. Results of multifractal analysis
We found that the daily APIs, the pollution indices of SO2, NO2
and PM10, from July 1998 to June 2012, exhibit the high
persistence or long term memory in about one year. We
investigate the temporal evolution of the local persistence in the
four series, which may reflect some information about the
temporal evolution dynamics of air pollution and these four time
series generated by certain environmental systems may be
members of a special class of complex processes, termed
multifractals, which require a large number of exponents to
characterize their scaling properties.
Liu et al. – Atmospheric Pollution Research (APR) 889
Figure
0/5000
จาก: -
เป็น: -
ผลลัพธ์ (ไทย) 1: [สำเนา]
คัดลอก!
3. ผลลัพธ์ และสนทนา3.1. ผลการวิเคราะห์ความผันผวน detrendedรูปที่ 2 แสดงผลของ DFA ที่ดำเนินการประจำวันAPIs ในกรณีนี้ เราพบสองแตกต่างมาตราส่วนภูมิภาค (สีแดง และเครื่องหมายสีฟ้า) กับสองอื่น DFA เลขชี้กำลัง ประมาณ0.795 และ 0.547 สำหรับเครื่องชั่งน้ำหนักขนาดเล็ก และขนาดใหญ่ ตามลำดับ มีการมาตราส่วนเวลาสำคัญ (nc) ประมาณหนึ่งปี ชุดเป็นแบบถาวรในเวลาน้อยกว่าหนึ่งปีที่ครอบคลุม และแบบเฟ้นสุ่มเวลาครอบคลุมมากขึ้นกว่าหนึ่งปีนอกจากนี้ ใช้วิธี DFA กับดัชนีมลพิษของ SO2, NO2 และ PM10 และผลลัพธ์จะแสดงในตารางที่ 1 เหล่านี้สังเกตความสัมพันธ์ ∝nα F (n) ทั้งหมดจัดแสดงสองมาตราส่วนระบอบ (แดงและเครื่องหมายสีฟ้า) กับ nc เหมือนกันประมาณหนึ่งปี เป็นการดัชนี SO2 สำหรับ nnc, α2 = 1.482 เป็นการดัชนี NO2 สำหรับ n nc, α2 = 0.347 เป็นการดัชนี PM10 สำหรับ n < nc, α1 = 0.775 ในขณะที่สำหรับ n > nc, α2 = 0.902รูปที่ 2 DFA ของ Api ทุกวันผลลัพธ์ของ DFA ยังแสดงเวลาเหล่านี้สี่ชุดโดยฟรีขนาดและลักษณะการทำงานของตนเอง – affine – ชนิดแฟร็กทัล(หลิว et al., 2014a) ไม่แตกต่างชัดเจนในค่าของ α1เห็นในชุดสี่ หน้าที่ α1 ที่เป็นอิสระของการมลพิษชนิด Α1 บ่งชี้ว่า ลักษณะแบบคล้ายบางของวิวัฒนาการขมับของสารมลพิษต่าง ๆ ในรอบปี อย่างไรก็ตามความแตกต่างที่ชัดเจนระหว่างสารมลพิษต่าง ๆ ในชั่วคราววิวัฒนาการยังคงอยู่ ซึ่งสามารถอธิบาย โดย α2 Α2 APIs ดัชนีแสดงค่าเหมือนที่แสดงบาง expectable สโทแคสติกลักษณะการ อย่างไรก็ตาม สำหรับ α2 ของดัชนีมลพิษของ SO2 และPM10 พวกเขาแสดงสูงคงอยู่หรือระยะยาวหน่วยความจำที่มีขนาดขมับใหญ่ สำหรับดัชนีมลพิษของ NO2 แสดงป้องกัน – มีอยู่ที่ขมับขนาดใหญ่ นี้อาจเกี่ยวข้องกับลอง –กระบวนการ climatological คำ ตัวแปรอุตุนิยมวิทยาบาง เช่นความเร็วลมและอุณหภูมิ และความยาวของข้อมูลและdynamics ภายในของสารมลพิษอากาศ (Cogliani, 2001 ชิ et al., 2008)นอกจากนี้ สเปกตรัมพร้อมด้วยกองทัพ > 0.5 แทนหน่วยความจำที่ยาวนานขึ้นขนาดเวลาถือ นี่คือคำว่าขมับกับปริภูมิเศษส่วนมาตราส่วนใน ตัวอย่าง รูปแบบโยงหัวข้อของการสังเกตต้นไม้ bronchioles ระบบทางเดินหายใจ หรือระบบต้ว ดังนั้นความผันผวนในสเกลทั้งหมดภายในช่วงเกี่ยวข้องกันและอาจสันนิษฐานแฟร็กทัลและพฤติกรรมหน่วยความจำระยะยาวตารางที่ 1 DFA วัน APIs, SO2, NO2 และ PM10APIs SO2 NO2 PM10Α1 0.795 0.815 0.856 0.775nc 2.648 2.579 2.532 2.562Α2 0.547 1.482 0.347 0.9023.2. ผลของการวิเคราะห์ multifractalเราพบว่า APIs ประจำวัน ดัชนีมลพิษของ SO2, NO2PM10 จากปี 1998 กรกฎาคมมิถุนายน 2555 จัดสูงมีอยู่หรือหน่วยความจำระยะยาวในหนึ่งปี เราวิวัฒนาการที่ขมับของมีอยู่ภายในการตรวจสอบการชุด 4 ซึ่งอาจสะท้อนถึงข้อมูลบางอย่างเกี่ยวกับการdynamics ขมับวิวัฒนาการของมลพิษทางอากาศและเหล่านี้ 4 ครั้งชุดที่สร้างขึ้น โดยระบบสิ่งแวดล้อมบางอย่างอาจจะเรียกว่าสมาชิกของคลาสที่พิเศษของกระบวนการที่ซับซ้อนmultifractals ซึ่งต้องมีเลขชี้กำลังไปเป็นจำนวนมากลักษณะคุณสมบัติของมาตราส่วนหลิว al. et-วิจัยมลภาวะทางอากาศ (APR) 889รูป
การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 2:[สำเนา]
คัดลอก!
3. ผลการอภิปรายและ
3.1 ผลของการวิเคราะห์ความผันผวน detrended
รูปที่ 2 แสดงให้เห็นถึงผลของการดำเนินการ DFA สำหรับวัน
APIs ในกรณีนี้เราพบว่าทั้งสองภูมิภาคปรับแตกต่างกัน
(สีแดงและเครื่องหมายสีฟ้า) เลขยกกำลังสองกับเอฟที่แตกต่างกันประมาณ
0.795 และ 0.547
สำหรับเครื่องชั่งเวลาเล็กและขนาดใหญ่ตามลำดับที่มีขนาดเวลาที่สำคัญ(NC) ประมาณหนึ่งปี ชุดถาวรในเวลาที่มีช่วงระยะเวลาน้อยกว่าหนึ่งปีและสุ่มในช่วงเวลาที่มากขึ้นกว่าหนึ่งปี. นอกจากนี้ยังมีวิธีการที่เอฟเอจะนำไปใช้ดัชนีมลพิษของ SO2, NO2 และ PM10 และผลที่ได้แสดงไว้ในตารางที่ 1 เหล่านี้สังเกตF (n) ความสัมพันธ์αnαทั้งหมดจัดแสดงสองระบอบการปรับ (สีแดงและเครื่องหมายสีฟ้า) กับ NC เดียวกันประมาณหนึ่งปี ในฐานะที่เป็นไปดัชนี SO2 สำหรับ n






NC, α2 = 1.482 ในฐานะที่เป็นไปดัชนี NO2 สำหรับ n
NC, α2 = 0.347 ในฐานะที่เป็นไปดัชนี PM10 สำหรับ n <NC, α1 = 0.775;
ในขณะที่สำหรับ n> NC, α2 = 0.902.
รูปที่ 2 เอฟของ APIs ในชีวิตประจำวัน. ผลของเอฟเอยังแสดงว่าสิ่งเหล่านี้อนุกรมเวลาสี่โดดเด่นด้วยขนาดฟรีและตัวเองเลียนแบบพฤติกรรมเศษส่วน(Liu et al., 2014a ) ไม่มีความแตกต่างที่เห็นได้ชัดในคุณค่าของα1เป็นที่เห็นในสี่ชุดหมายความα1ที่เป็นอิสระของสายพันธุ์ที่ก่อให้เกิดมลพิษ α1บ่งชี้ลักษณะแบบไดนามิกที่คล้ายกันของวิวัฒนาการชั่วคราวมลพิษต่าง ๆ ในรอบปี แต่ความแตกต่างที่เห็นได้ชัดในหมู่มลพิษต่าง ๆ ในชั่วขณะวิวัฒนาการยังคงมีอยู่ซึ่งสามารถอธิบายได้ด้วยα2 α2ของดัชนี APIs แสดงค่าที่คล้ายกันซึ่งแสดงบางส่วนสุ่ม expectable ลักษณะ แต่สำหรับα2ของดัชนีมลพิษของ SO2 และPM10 พวกเขาแสดงความคงทนสูงหรือหน่วยความจำระยะยาวที่ระดับชั่วคราวขนาดใหญ่ ดัชนีมลพิษของ NO2 ก็แสดงให้เห็นถึงการต่อต้านการคงอยู่ในระดับที่มีขนาดใหญ่ชั่วคราว นี้อาจเกี่ยวข้องกับยาวกระบวนการภูมิอากาศระยะบางตัวแปรอุตุนิยมวิทยาเช่นอุณหภูมิและความเร็วลมและความยาวของข้อมูลและการเปลี่ยนแปลงภายในของมลพิษทางอากาศ(Cogliani 2001. ชิ et al, 2008). นอกจากนี้ คลื่นความถี่ที่มีα> 0.5 เป็นตัวแทนของหน่วยความจำยาวขึ้นขนาดเวลาการพิจารณา นี่คือการเปรียบเทียบเชิงพื้นที่ชั่วคราวเพื่อปรับเศษส่วนสังเกตในตัวอย่างเช่นรูปแบบการแตกแขนงของต้นไม้ที่หลอดลมปอดหรือระบบเส้นเลือด ดังนั้นความผันผวนในระดับทั้งหมดภายในช่วงที่เกี่ยวข้องกับแต่ละอื่น ๆ และเศษส่วนและพฤติกรรมของหน่วยความจำนานอาจจะคิด. ตารางที่ 1 DFA ของ APIs รายวัน, SO2 และ NO2 ,, PM10 APIs SO2 NO2 PM10 α1 0.795 0.815 0.856 0.775 อร์ทแคโรไลนา 2,648 2,579 2,532 2,562 α2 1.482 0.347 0.547 0.902 3.2 ผลของการวิเคราะห์ multifractal เราพบว่า API สำหรับชีวิตประจำวัน, ดัชนีมลพิษของ SO2 NO2 ที่และPM10, ตั้งแต่เดือนกรกฎาคม 1998 ถึงเดือนมิถุนายนปี 2012 แสดงสูงติดตาหรือหน่วยความจำในระยะยาวในประมาณหนึ่งปี เราตรวจสอบวิวัฒนาการชั่วขณะของความคงทนในท้องถิ่นในชุดสี่ซึ่งอาจสะท้อนให้เห็นถึงข้อมูลเกี่ยวกับบางการเปลี่ยนแปลงวิวัฒนาการชั่วคราวของมลพิษทางอากาศและสิ่งเหล่านี้เวลาสี่ชุดที่สร้างขึ้นโดยระบบสิ่งแวดล้อมบางอย่างอาจจะเป็นสมาชิกของชั้นเรียนพิเศษของกระบวนการที่ซับซ้อนเรียกว่าmultifractals ซึ่งต้องใช้จำนวนมากของเลขยกกำลังที่จะอธิบายลักษณะการปรับคุณสมบัติของพวกเขา. หลิว et al, - บรรยากาศมลพิษการวิจัย (APR) 889 รูป







































การแปล กรุณารอสักครู่..
ผลลัพธ์ (ไทย) 3:[สำเนา]
คัดลอก!
3 . ผลและการอภิปราย
3.1 . ผลของ detrended ความผันผวนรูปที่ 2 การวิเคราะห์
แสดงผลของเอฟาทุกวัน
APIs ในกรณีนี้ เราพบสองที่แตกต่างกันการภูมิภาค ( สีแดงและ
เครื่องหมายสีฟ้า ) กับสอง exponents DFA ที่แตกต่างกันประมาณ
0.795 0.547 ขนาดเล็กและเวลาชั่งตามลำดับและขนาดใหญ่ที่มี
ขนาดเวลาคับขัน ( NC ) ประมาณหนึ่งปีชุดเป็นแบบถาวรใน
เวลาขยายน้อยกว่าหนึ่งปี และ Stochastic ในเวลาที่ครอบคลุมมากขึ้นกว่าหนึ่งปี
.
ส่วน DFA ประยุกต์ใช้วิธีดัชนีมลพิษ
ของ SO2 NO2 , และ PM10 และผลลัพธ์ที่แสดงในตารางที่ 1 เหล่านี้
2 f ( n ) ∝ N ความสัมพันธ์ทั้งหมดมี 2 ปรับระบบα ( สีแดงและสีฟ้าเครื่องหมาย
) กับ NC กันประมาณหนึ่งปี เป็น
SO2 ดัชนี n < NC ,α 1 = 0.815 ; ในขณะที่สำหรับ n 2 = > NC α 1.482 . เป็น
NO2 ดัชนี n < NC α 1 = 0.856 ; ในขณะที่สำหรับ n 2 = > NC α 0.347 . เป็นการสำรวจดัชนี
, N < NC α 1 = 0.775 ; ในขณะที่สำหรับ n > NC α 2 = 0.90 .
รูปที่ 2 บรรยาย เรื่อง ของทุกวัน APIs
ผลเอฟยังแสดงเวลาที่เหล่านี้สี่ชุด
ลักษณะขนาดและประเภทเศษส่วน––ฟรีเลียนแบบพฤติกรรม
ตนเอง ( Liu et al . , 2014a )มีไม่ชัด ความแตกต่างในค่าของα 1
เห็นใน 4 ชุด จะว่าα 1 เป็นอิสระจาก
สารมลพิษชนิด α 1 บ่งชี้ว่า บางคล้ายลักษณะแบบไดนามิก
มลพิษต่าง ๆ และวิวัฒนาการในรอบปี อย่างไรก็ตาม
ชัดเจน ความแตกต่างระหว่างมลพิษต่าง ๆ ในวิวัฒนาการทางโลก
ยังคงมีอยู่ ซึ่งสามารถอธิบายได้ด้วยα 2 α APIs ดัชนี
2มีเหมือนกันค่าซึ่งแสดงคุณลักษณะ Stochastic
บาง expectable . อย่างไรก็ตาม สำหรับα 2 ของมลพิษค่า SO2 และ
PM10 สูง พวกเขาแสดงความคงอยู่หรือหน่วยความจำ–ระยะยาวที่ระดับ
ชั่วคราวขนาดใหญ่ เพราะมลพิษค่า NO2 , มันแสดงให้เห็นการต่อต้านที่
–ขนาดชั่วคราวขนาดใหญ่ นี้อาจเกี่ยวข้องกับกระบวนการในระยะยาว -
climatological บางตัวแปรทางอุตุนิยมวิทยา เช่น
เมื่อความเร็วลมและอุณหภูมิ , ความยาวของข้อมูลและ
พลวัตภายในของมลพิษอากาศ ( cogliani , 2001 ; ซือ et al . , 2008 ) .
นอกจากนี้สเปกตรัมกับα > 0.5 เป็นตัวแทนความทรงจำนานขึ้น
กับมาตราส่วนเวลาพิจารณา นี้จะคล้ายคลึงกับการปรับเวลา
เศษส่วนได้ เช่น ตามรูปแบบของ
ต้นไม้หลอดลมในปอด หรือในระบบดังนั้น
ความผันผวนที่ตาชั่งทั้งหมดภายในช่วงที่เกี่ยวข้องกับแต่ละอื่น ๆและเศษส่วนและพฤติกรรมนาน

หน่วยความจำอาจจะสันนิษฐานว่า ตารางที่ 1 บรรยาย เรื่อง ของทุกวัน APIs , SO2 , NO2 APIs และ SO2 NO2 PM10 พบ

α 1 0.795 0.815 0.856 0.775
NC 2.648 2.579 2.532 2.562
α 2 0.547 1.482 0.347 0.90
3.2 . ผลของการวิเคราะห์พบว่า
multifractal รายวัน APIs , มลพิษดัชนีของ SO2 NO2
, สำรวจและ ,จากกรกฎาคม 2541 ถึงเดือนมิถุนายน 2012 จัดแสดงความคงทนสูง
หรือหน่วยความจำระยะยาวในอีกหนึ่งปี เรา
ศึกษาวิวัฒนาการขมับของความคงอยู่ท้องถิ่นใน
4 ชุด ซึ่งอาจจะสะท้อนให้เห็นถึงข้อมูลบางอย่างเกี่ยวกับ
พลวัตวิวัฒนาการชั่วคราวของมลพิษทางอากาศเหล่านี้สี่เวลา
ชุดที่สร้างขึ้นโดยระบบสิ่งแวดล้อมบางอย่างอาจ
สมาชิกของคลาสพิเศษของกระบวนการที่ซับซ้อนเรียกว่า
multifractals ซึ่งต้องใช้เป็นจำนวนมากของผู้สนับสนุน

ลักษณะการปรับของพวกเขา คุณสมบัติ .
Liu et al . บรรยากาศการวิจัยและมลพิษ ( APR ) 889
รูป
การแปล กรุณารอสักครู่..
 
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.

Copyright ©2024 I Love Translation. All reserved.

E-mail: