ISSN :2687-6418

Toplam PM kütle yoğunluklarının zamansal değişimlerinden aerosol kimyasal bileşiminin elde edilmesine doğru: Teorik yaklaşım, iç görüler ve makine öğrenimi tekniklerinin vaatleri

Author:

Number of pages:
1-7
Language:
English
Year-Number:
2023-1

İnce ve ultra ince ortam partikül maddesinin (PM) sağlık ve iklim üzerinde önemli etkileri vardır. Bu etkilerin daha iyi tahmin edilebilmesi için PM'nin kimyasal bileşimi gereklidir ancak sadece toplam PM kütle konsantrasyonlarının ölçümüne kıyasla ölçümü oldukça pahalıdır. Nispeten ucuz bir şekilde ölçülen toplam PM kütle konsantrasyonlarının zamansal değişimini analiz ederek PM kimyasal bileşiminin dolaylı olarak tahmin edilmesinin teorik olasılığını tartışıyoruz. Girdi olarak önceki birkaç saatin PM kütle konsantrasyonu zaman serisinin sağlanması halinde belirli bir zamandaki kimyasal fraksiyonların makine öğrenimi destekli tahmini için temel oluşturabilecek birincil ve ikincil aerosollerin zamansal özelliklerinin özelliklerini vurguluyoruz. Ayrıca, kimyasal fraksiyon tahminlerini optimize etmek için makine öğrenimi algoritmalarına daha fazla yardımcı olabilecek farklı kimyasal bileşenler arasındaki ilişkileri göstermek için kamuya açık bir kimyasal bileşim veri setini analiz ediyoruz.

Keywords


Fine and ultrafine ambient particulate matter (PM) has major health and climate impacts. Chemical composition of PM is requiredfor better estimation of these impacts but is considerably expensive to measure as compared to the measurement of only the totalPM mass concentrations. We discuss the theoretical possibility of indirect estimation of PM chemical composition by analysingthe temporal variation of, relatively inexpensively measured, total PM mass concentrations. We highlight the peculiarities of thetemporal characteristics of primary versus secondary aerosols which can become the basis for a machine learning-assistedestimation of chemical fractions at a given time if PM mass concentration time-series of preceding few hours is supplied as input.We also analyse a publicly available chemical composition dataset to show the inter-relationships between different chemicalcomponents which can further assist machine learning algorithms to optimise the chemical fraction estimates.

Keywords

Article Statistics

Number of reads 529
Number of downloads 1,196

Share

Journal of Research in Atmospheric Science (JRAS)
E-Mail Subscription

By subscribing to E-Newsletter, you can get the latest news to your e-mail.