Air quality vote distribution is st

Air quality vote distribution is strongly correlated to the Air Clean/Dusty votes, and both of these perception votes
are correlated with the PM count. Overall as the concentration of
PM increases the number of ‘clean air’ and ‘good air quality’ votes
decreases, whereas the number of ‘dusty air’ and ‘poor air quality’
votes increases. Through the exposure–response relationships between
the various perception votes and PM, it was possible to predict
air cleanness using the PM count. The model performed fairly well for

ผลลัพธ์ (ไทย) 1:

กระจายเสียงคุณภาพอากาศเป็นอย่างยิ่ง correlated โหวดอากาศ สะอาด/Dusty และคะแนนการรับรู้เหล่านี้ทั้งสองมี correlated กับจำนวน PM โดยรวมเป็นความเข้มข้นของน.เพิ่มจำนวน 'สะอาด' และ 'คุณภาพอากาศดี' โหวตลดลง ในขณะที่จำนวน 'ฝุ่นอากาศ' และ 'คุณภาพอากาศที่ดี'โหวตเพิ่ม สัมพันธ์แสง – ตอบระหว่างต่าง ๆ รับรู้เสียงและ PM ก็สามารถทำนายสะอาดอากาศที่ใช้จำนวน PM รูปแบบดำเนินการค่อนข้างดี

ผลลัพธ์ (ไทย) 2:

คุณภาพอากาศกระจายการลงคะแนนมีความสัมพันธ์อย่างยิ่งที่จะทำความสะอาดอากาศ / คะแนนโหวตฝุ่นและทั้งสองของคะแนนการรับรู้เหล่านี้
มีความสัมพันธ์กับการนับ PM โดยรวมเป็นความเข้มข้นของ
PM เพิ่มจำนวนของ 'อากาศที่สะอาดและคะแนนโหวต' คุณภาพอากาศดี '
ลดลงในขณะที่จำนวนของอากาศที่มีฝุ่น 'และ' คุณภาพอากาศไม่ดี '
ลงคะแนนเพิ่มขึ้น ผ่านความสัมพันธ์ของการเปิดรับการตอบสนองระหว่าง
การลงมติการรับรู้ต่างๆและ PM, มันเป็นไปได้ที่จะคาดการณ์
สะอาดอากาศโดยใช้นับ PM รูปแบบการดำเนินการค่อนข้างดีสำหรับ

ผลลัพธ์ (ไทย) 3:

การโหวตคุณภาพอากาศมีความสัมพันธ์อย่างยิ่งกับอากาศทำความสะอาดฝุ่น เสียง และทั้งสองมีความสัมพันธ์กับการรับรู้เสียง
PM นับ โดยรวมเป็นสมาธิของ
PM เพิ่มจํานวนสะอาด ' อากาศ ' และ ' ดี ' โหวต
คุณภาพอากาศลดลง ในขณะที่จำนวนของ ' ฝุ่นอากาศ ' และ ' คุณภาพ ' อากาศ
โหวตเพิ่มขึ้น ผ่านการสัมผัสและการตอบสนองความสัมพันธ์ระหว่าง
โหวตต่างๆ การรับรู้ และ PM , มันเป็นไปได้ที่จะคาดการณ์
อากาศสะอาดใช้ PM นับ รูปแบบดำเนินการค่อนข้างดีสำหรับ