Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Prognozowanie zmian stężenia zanieczyszczeń komunikacyjnych w krótkich przedziałach czasowych

Tytuł:
Prognozowanie zmian stężenia zanieczyszczeń komunikacyjnych w krótkich przedziałach czasowych
Autorzy:
Pyta, H.
Trzpiot, G.
Data publikacji:
1999
Słowa kluczowe:
zanieczyszczenia powietrza
ciąg komunikacyjny
model ARIMA
prognozowanie stężenia zanieczyszczeń
Bielsko-Biała
remote sensing
DOAS
traffic emission
concentrations forecasting
Język:
polski
Dostawca treści:
BazTech
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
W artykule przedstawiono wyniki analizy dobowego rozkładu stężenia dwutlenku azotu, dwutlenku siarki, ozonu i toluenu z 2-tygodniowej sesji pomiarowej przy głównym ciągu komunikacyjnym w Bielsku-Białej. Oznaczenia były wykonywane w systemie monitoringu ciągłego, w otwartej ścieżce pomiarowej, metodą różnicowej spektroskopii absorpcyjnej . Omówiono konkurencyjność układów 'open-path' w stosunku do tradycyjnych punktowych metod pomiaru w zastosowaniach do oceny stanu zanieczyszczenia powietrza ze źródeł komunikacyjnych. Zaproponowano użycie mieszanego modelu autoregresji i średniej ruchomej (ARIMA) do uzupełnienia brakujących danych w krótkiej serii pomiarowej. Sprawdzono możliwość wykorzystania modelu ARIMA do prognozowania zmian stężenia w otoczeniu ciągów komunikacyjnych.
The results of an analysis of nitric dioxide, sulphur dioxide, ozone and toluene concentration distribution are presented. A two-week series of data, considered here, has been, collected by means of an open path system of air quality monitoring near a main street in Bielsko-Biała using differential optical absorption spectroscopy method (DOAS). The open path systems superiority over traditional point measuring methods, concerning assessment of air pollution from vehicular sources, is discussed. An integrated model of auto-regressive and moving average type (ARIMA) to evaluate missing data in short-time measuring series is proposed. Applications of ARIMA model to forecast pollutant concentrations around tours is checked as well.

Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies