documenting the robustness of the m

documenting the robustness of the models. Further support for the
usefulness of these LUR models to the ESCAPE cohorts is that the
root mean squared error was low compared to the range in
measured concentrations. A recent study in the Netherlands evaluated
the performance of NO2 land use regression models using
internal cross-validation and validation against an independent
external dataset and investigated the impact of increasing numbers
of training sites (Wang et al., 2012). The R2 values of LUR models
were lower in external dataset validation compared with leave-one
out cross-validation, especially if the model was developed for a
small number of sites (N w 20). Another recent similar exercise in
Spain showed similar results and that the model R2 and leave-oneout
cross validation R2 can be inflated for smaller sample sizes,
particularly in cases where the number of potential predictor variables
is large (Basagaña et al., 2012). Bayak (2004) suggested as a
rule of thumb to have at least 10 observations per predictor variable
in the model, implying four predictors per model. Most models had
4 or less predictors, but a few models contained more variables and
are likely over-specified. Wang et al. (2012) recently showed that
hold-out validation did not improve when these large models were
constrained to contain fewer variables. An evaluation of the possibility
to develop models for combined study areas resulting in a
larger number of monitoring sites is ongoing.
Site characteristics such as street configuration, traffic speed etc
(Brauer et al., 2003) might improve LUR models. Such data are,
however, not usually available. In some areas (Kaunas, Bradford,
Manchester, Netherlands and Belgium, Grenoble and Lugano) information
about the vehicle fleet, differentiating light-duty and
heavy-duty traffic, were available and were included in the final
models

ผลลัพธ์ (ไทย) 2:

การจัดเก็บเอกสารความทนทานของรุ่นที่ การสนับสนุนเพิ่มเติมสำหรับ
ประโยชน์ของรุ่น LUR เหล่านี้เพื่อผองเพื่อน ESCAPE เป็นที่
รากคลาดเคลื่อนกำลังสองเฉลี่ยอยู่ในระดับต่ำเมื่อเทียบกับช่วงใน
ความเข้มข้นของวัด ผลการศึกษาล่าสุดในประเทศเนเธอร์แลนด์ประเมิน
ประสิทธิภาพของการใช้ประโยชน์ที่ดิน NO2 รุ่นถดถอยใช้
ข้ามการตรวจสอบภายในและการตรวจสอบกับอิสระ
ชุดภายนอกและการตรวจสอบผลกระทบของตัวเลขที่เพิ่มขึ้น
ของเว็บไซต์การฝึกอบรม (Wang et al., 2012) ค่า R2 ของแบบจำลอง LUR
ต่ำในการตรวจสอบชุดภายนอกเมื่อเทียบกับการลาหนึ่ง
ออกข้ามการตรวจสอบโดยเฉพาะอย่างยิ่งถ้ารุ่นได้รับการพัฒนาสำหรับ
จำนวนน้อยของเว็บไซต์ (N W 20) การออกกำลังกายที่คล้ายกันอีกล่าสุดใน
สเปนแสดงให้เห็นผลที่คล้ายกันและว่ารูปแบบ R2 และออก-oneout
ตรวจสอบข้าม R2 สามารถที่สูงขึ้นสำหรับขนาดตัวอย่างขนาดเล็ก
โดยเฉพาะอย่างยิ่งในกรณีที่มีจำนวนตัวแปรศักยภาพที่
มีขนาดใหญ่ (Basagaña et al., 2012) Bayak (2004) ชี้ให้เห็นว่าเป็น
กฎของหัวแม่มือที่จะมีอย่างน้อย 10 ข้อสังเกตต่อตัวแปรทำนาย
ในโมเดลหมายความสี่ทำนายต่อรุ่น รูปแบบส่วนใหญ่มี
4 หรือน้อยกว่าการพยากรณ์ แต่ไม่กี่รุ่นที่มีตัวแปรมากขึ้นและ
มีแนวโน้มมากกว่าที่ระบุไว้ วัง et al, (2012) เมื่อเร็ว ๆ นี้แสดงให้เห็นว่า
การตรวจสอบการถือออกไม่ได้ดีขึ้นเมื่อรุ่นนี้มีขนาดใหญ่ถูก
บีบบังคับให้มีตัวแปรน้อยลง การประเมินความเป็นไปได้
ในการพัฒนารูปแบบการศึกษาในพื้นที่รวมกันส่งผลให้
จำนวนมากของเว็บไซต์การตรวจสอบอย่างต่อเนื่อง.
ลักษณะเดียวกันอย่างเช่นการกำหนดค่าที่ความเร็วการจราจร ฯลฯ
(Brauer et al., 2003) อาจช่วยปรับปรุงรุ่น LUR ข้อมูลดังกล่าวมี
แต่มักจะไม่สามารถใช้ได้ ในบางพื้นที่ (เคานาสแบรดฟอ
แมนเชสเตอร์, เนเธอร์แลนด์และเบลเยียมเกรอน็อบและลูกาโน) ข้อมูล
เกี่ยวกับเรือเดินสมุทรยานพาหนะ, ความแตกต่างของแสงหน้าที่และ
การจราจรหนักที่มีอยู่และถูกรวมอยู่ในขั้นสุดท้าย
รุ่น