Automated data scanning for dense networks of low-cost air quality instruments: Detection and differentiation of instrumental error and local to regional scale environmental abnormalities

پیشرفت های اخیر در ابزار اندازه گیری کم کیفیت هوا باعث می شود که شبکه های متراکم حسگر امکان پذیر باشد. با این حال، حجم برش داده ها از این شبکه ها به این معنی است که روش های سنتی کنترل کیفیت داده ها و تجزیه و تحلیل داده ها دیگر قابل اجرا نیستند. ما یک رویه اسکن داده ای در زمان واقعی را پیشنهاد می کنیم که متغیرهای محلی و منطقه ای را در مجموعه داده ها تشخیص می دهد. این می تواند برای جداسازی اشتباهات ناشی از سوء عملکرد ابزار یا کالیبراسیون از تغییرات طبیعی (محیط زیست) منطقه ای در غلظت محیط استفاده شود. مطالعه موردی ما اطلاعات ماهانه ساعات روزانه ازن را از تگزاس و از دو شبکه در ونکوور به دست آورد. ما از داده های 7 و 28 روزه برای راه اندازی الگوریتم با تغییرات شبیه سازی شده و واقعی ابزار استفاده کردیم. خروجی الگوریتم را می توان بعنوان بخشی از یک برنامه نگهداری محدود منابع برای شبکه های حسگر استفاده کرد و برای درک فرآیندهای کیفیت هوا و ارتباط آنها با داده های محیط زیست و بهداشت عمومی مورد استفاده قرار گیرد.