visual range data have been develop

visual range data have been developed elsewhere .9 We
developed a similar approach to estimate daily PM10 concentrations
with the available data for Bangkok. The estimation
algorithm was developed by estimating the relationship
between PM10 measured at the MOSTE monitoring
locations and visual range on days when measured
PM10 data were available (n = 581). Dewpoint temperature
and visual range are the variables included in the
algorithm, which was then used to estimate PM10 concentrations
on all days for which visual range and dewpoint
temperature were available (n = 1367).
To assess the reasonableness of the estimated PM10
concentrations, we first compare them to the measured
PM10 concentrations on the days for which monitor data
are available. The mean values are very close (i.e., 65.1
mg/m3 for the measured PM10 versus 64.4 mg/m3 for the
estimated PM10), but the estimated PM10 measure somewhat
overpredicts the low concentrations and
underpredicts the high concentrations. This suggests that
the predictive algorithm does better at the middle visual
range levels than on very clean or very polluted days. The
simple correlation between measured and estimated PM10
is 0.67 (p < 0.0001). Examination of the plots of estimated
daily PM10 concentrations overlaid on the measured PM10
concentrations suggests that the estimation technique was
able to capture a pattern of day-to-day and seasonal variations
in daily PM10 concentrations.

ผลลัพธ์ (ไทย) 1:

ภาพช่วงข้อมูลได้รับการพัฒนาอื่น ๆ .9 เราพัฒนาวิธีการคล้ายการประมาณความเข้มข้น PM10 ทุกวันด้วยข้อมูลที่มีในกรุงเทพมหานคร การประเมินอัลกอริทึมได้รับการพัฒนา โดยการประเมินความสัมพันธ์ระหว่างวัดในการตรวจสอบ MOSTE PM10สถานและภาพช่วงเวลาเมื่อวัดข้อมูล PM10 มี (n = 581) อุณหภูมิ Dewpointและภาพมีตัวแปรที่อยู่ในการอัลกอริทึม ซึ่งถูกใช้แล้วในการประเมินความเข้มข้น PM10เวลาทั้งหมดสำหรับช่วงภาพที่ dewpointอุณหภูมิมี (n = 1367)การประเมินแบบ reasonableness PM10 ประเมินความเข้มข้น เราต้องเปรียบเทียบกับการวัดความเข้มข้น PM10 ในวันที่ตรวจสอบข้อมูลมี ค่าเฉลี่ยดี (เช่น 65.1mg/m3 สำหรับ PM10 วัดเทียบกับ mg 64.4 m3 สำหรับการประมาณ PM10), แต่ PM10 ประเมินวัดค่อนข้างoverpredicts ความเข้มข้นต่ำ และunderpredicts ความเข้มข้นสูง นี้แนะนำที่อัลกอริทึมงานดีที่ visual กลางช่วงระดับกว่าวันดี หรือเสียมาก ที่เรื่องความสัมพันธ์ระหว่างวัด และประเมิน PM10เป็น 0.67 (p < มาก 0.0001) ประเมินการตรวจสอบโครงการของความเข้มข้นทุกวัน PM10 overlaid บน PM10 วัดความเข้มข้นแนะนำว่า เทคนิคการประเมินคือสามารถจับภาพรูปแบบของการเปลี่ยนแปลงประจำวัน และฤดูกาลในความเข้มข้น PM10 ทุกวัน

ผลลัพธ์ (ไทย) 2:

ข้อมูลช่วงที่มองเห็นได้รับการพัฒนาอื่น ๆ 0.9 เรา
พัฒนาวิธีการที่คล้ายกันในการประเมินความเข้มข้นของ PM10 ในชีวิตประจำวัน
ที่มีข้อมูลที่มีอยู่ในกรุงเทพฯ การประมาณค่า
อัลกอริทึมได้รับการพัฒนาโดยการประเมินความสัมพันธ์
ระหว่าง PM10 วัดที่ตรวจสอบ MOSTE
สถานที่และช่วงที่มองเห็นได้ในวันที่วัด
ข้อมูล PM10 มีอยู่ (n = 581) อุณหภูมิ Dewpoint
และช่วงที่มองเห็นเป็นตัวแปรที่รวมอยู่ใน
ขั้นตอนวิธีการที่ถูกนำมาใช้ในการประเมินความเข้มข้นของ PM10
ในทุกวันซึ่งช่วงที่มองเห็นและ dewpoint
อุณหภูมิมีอยู่ (n = 1367).
เพื่อประเมินความสมเหตุสมผลของ PM10 ประมาณ
ความเข้มข้นของเรา ครั้งแรกที่เปรียบเทียบให้วัด
ความเข้มข้นของ PM10 ในวันที่การตรวจสอบข้อมูล
ที่มีอยู่ ค่าเฉลี่ยมีความใกล้ชิด (เช่น 65.1
mg / m3 สำหรับวัด PM10 เมื่อเทียบกับ 64.4 mg / m3 สำหรับ
PM10 โดยประมาณ) แต่มาตรการ PM10 ประมาณค่อนข้าง
overpredicts ความเข้มข้นต่ำและ
underpredicts ความเข้มข้นสูง นี้แสดงให้เห็นว่า
ขั้นตอนวิธีการทำนายไม่ดีกว่าที่กลางภาพ
ระดับช่วงกว่าวันสะอาดมากหรือปนเปื้อนมาก
สหสัมพันธ์อย่างง่ายระหว่าง PM10 วัดและคาด
เป็น 0.67 (p <0.0001) การตรวจสอบแปลงประมาณ
ความเข้มข้น PM10 ประจำวันวางทับบน PM10 วัด
ความเข้มข้นแสดงให้เห็นว่าเทคนิคการประมาณการดังกล่าวก็
สามารถจับภาพรูปแบบของวันต่อวันและการเปลี่ยนแปลงตามฤดูกาล
ในความเข้มข้น PM10 ในชีวิตประจำวัน

ผลลัพธ์ (ไทย) 3:

ช่วงข้อมูลภาพได้ถูกพัฒนาขึ้นในที่อื่น ๆ เราได้พัฒนาวิธีการที่คล้ายกันค่า

PM10 ความเข้มข้นทุกวันด้วยข้อมูลที่สามารถใช้ได้กับกรุงเทพฯ การประมาณค่า
ขั้นตอนวิธีถูกพัฒนาโดยการประเมินความสัมพันธ์ระหว่าง PM10 วัดที่ moste

สถานที่และการมองเห็น เมื่อวัด
ข้อมูล PM10 ได้ ( n = 581 )
อุณหภูมิ dewpointและภาพช่วงมีตัวแปรใน
ขั้นตอนวิธีที่ใช้ค่า PM10 ความเข้มข้น
ในทุกวัน ซึ่งช่วงที่มองเห็น และอุณหภูมิ dewpoint
มีอยู่ ( n = 141 ) .
ประเมินความสมเหตุสมผลของการประมาณการ PM10
ชนิดแรกที่เราเปรียบเทียบกับวัด
PM10 ความเข้มข้นใน วันที่ตรวจสอบข้อมูล
เป็นใช้ได้ค่าเฉลี่ย ค่า สนิทกันมาก ( เช่น 65.1
mg / m3 สำหรับตรวจวัด PM10 และ 64.4 mg / m3 สำหรับ
( PM10 ) แต่ค่า PM10 วัดบ้าง

underpredicts overpredicts ความเข้มข้นต่ำ และความเข้มข้นสูง นี้แสดงให้เห็นว่าวิธีการพยากรณ์ไม่เก่ง

ช่วงระดับกลางภาพมากกว่าความสะอาดหรือมีมลพิษมากวัน
ค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างการวัดและประเมิน PM10
คือ 0.67 ( P < 0.0001 ) การตรวจสอบของแปลงประมาณ
ทุกวัน PM10 ความเข้มข้นหุ้มบนวัดความเข้มข้นของ PM10
แสดงให้เห็นว่าเทคนิคการประเมินคือ
สามารถจับภาพได้แบบวันต่อวัน และการเปลี่ยนแปลงตามฤดูกาล
ในความเข้มข้น PM10 ในแต่ละวัน