ABSTRACT
The importance of air pollution monitoring networks in urban areas is well known because of their miscellaneous
applications. At the beginning of the 1990s, Berlin had more than 40 particulate matter monitoring stations,
whereas, by 2013, there were only 12 stations. In this study, a new and free–of–charge methodology for the
densifying of the PM10 monitoring network of Berlin is presented. It endeavors to find the non–linear relationship
between the hourly PM10 concentration of the still–operating PM10 monitoring stations and the shut–down
stations by using the Artificial Neural Network (ANN), and, consequently, the results of the shut–down stations
were simulated and re–constructed. However, input–variables selection is a pre–requisite for any ANN simulation,
and hence a new fuzzy–heuristic input selection has been developed and joined to the ANN for the simulation. The
hourly PM10 concentrations of the 20 shut–down stations were simulated and re–constructed. The mean error,
bias and absolute error of the simulations were 27.7%, –0.03 (µg/m3
), and 7.4 (µg/m3
), respectively. Then, the
simulated hourly PM10 concentration data were converted to a daily scale and the performance of ANN models
which were developed for the simulation of the daily PM10 data were evaluated (correlation coefficient >0.94).
These appropriate results imply the ability of the developed input selection technique to make the appropriate
selection of the input variables, and it can be introduced as a new input variable selection for the ANN. In addition,
a dense PM10 monitoring network was developed by the combination of both the re–constructed (20 stations) and
the current (12 stations) stations. This dense monitoring network was applied in order to determine a reliable
mean annual PM10 concentration in the different areas in Berlin in 2012.
นามธรรม
ความสำคัญของมลพิษทางอากาศ การตรวจสอบเครือข่ายในเขตเมืองเป็นที่รู้จักกันดีเพราะของโปรแกรมเบ็ดเตล็ด
. ที่จุดเริ่มต้นของปี 1990 , Berlin มีมากกว่า 40 เรื่องฝุ่นละอองติดตามสถานี
ส่วนปี 2556 มีเพียง 12 สถานี ในการศึกษานี้ และฟรีค่าธรรมเนียมใหม่–วิธีการ 2552
densifying ของ PM10 ตรวจสอบเครือข่ายของเบอร์ลินที่นำเสนอ . มันพยายามหาโนน–ความสัมพันธ์เชิงเส้นระหว่างชั่วโมงของ PM10
ความเข้มข้นของ PM10 ยังคง–ปฏิบัติการสถานีตรวจสอบและปิด–ลง
สถานีโดยใช้โครงข่ายประสาทเทียม ( ANN ) , และ , จึง , ผลของการปิด - ลงสถานี
เป็นจำลองและ re –สร้าง อย่างไรก็ตามการเลือกตัวแปรและเข้าก่อน–จำเป็นสำหรับการจำลอง แอน ใด ๆ ,
และด้วยเหตุนี้ใหม่แบบฟัซซี่–ข้อมูลการได้รับการพัฒนา และเข้าร่วมกับแอนสำหรับการจำลอง
ต่อชั่วโมงความเข้มข้น PM10 ของ 20 ปิด - ลงสถานีจำลองและ re - สร้าง หมายถึงข้อผิดพลาด
อคติและความผิดพลาดสัมบูรณ์ของจำลองเป็น 27.7 % - 0.03 ( µ g / m3
) และ 7.4 ( µ g / m3
) ตามลำดับงั้น ,
) ความเข้มข้น PM10 รายชั่วโมงข้อมูลถูกแปลงเป็นแบบรายวันและการแสดงของแอนแบบ
ที่พัฒนาขึ้นสำหรับการจำลองข้อมูล PM10 ทุกวัน ประเมิน ( ค่าสัมประสิทธิ์ความสัมพันธ์ > 0.94 ) .
ผลลัพธ์เหล่านี้เหมาะสมบ่งบอกถึงความสามารถของการพัฒนาการเลือกใช้เพื่อให้เหมาะสมในการ
ของเข้า ตัวแปรและสามารถแนะนำเป็นใหม่ใส่ตัวแปรที่เลือกให้ แอน นอกจากนี้ การตรวจสอบเครือข่ายหนาแน่น
PM10 ได้ถูกพัฒนาขึ้นโดยการรวมกันของทั้ง Re –สร้าง ( 20 สถานี ) และ
ในปัจจุบัน ( 12 สถานี ) สถานี นี้หนาแน่นตรวจสอบเครือข่ายเป็นเครื่องมือในการตรวจสอบที่เชื่อถือได้
หมายถึงปีความเข้มข้นของ PM10 ในพื้นที่ต่าง ๆในเบอร์ลิน ในปี 2012
การแปล กรุณารอสักครู่..