ASM

В этом разделе несколькими методами обучения с учителем построены регрессионные модели, учитывающие логнормальность распределения данных об уровнях концентрации PM2.5 в приземном слое атмосферы г. Красноярска. Модели сравниваются по коэффициенту детерминации.

Факторы регрессионных моделей: логарифм уровня концентраций PM2.5, полученных анализатором E-BAM (ln(PM_m)); температура (t_s), давление (p_s) и влажность (h_s), полученные с помощью датчиков станции CityAir.

Отклик: логарифм уровня концентрации PM2.5, полученной оптическим датчиком станции CityAir (ln(PM_s)).

Таким образом, строится отображение вида:

\begin{equation*}
\left\{\ln( P{{M}_{m}}),{{t}_{s}},{{p}_{s}},{{h}_{s}}\right\}
\to \ln( P{{M}_{s}})
\end{equation*}

Остатки (ошибка) линейной регрессии распределены нормально.

Коэффициент детерминации R² регрессионных моделей, обученных на полном объеме данных обучающей выборки для дублирующей пары постов с учетом логнормальности распределений записей по концентрации PM2.5     

Результаты для пары датчиков, расположенных в Ветлужанке

Результаты для пары датчиков, расположенных в Свердловском районе

Результаты для пары датчиков, расположенных в Кировском районе

Результаты для пары датчиков, расположенных в Покровском районе

Отметим, что использование ln(PM_m) вместо PM_m в качестве фактора и ln(PM_s) вместо PM_s в качестве отклика не дает выигрыша для модели линейной регрессии, более того, это даже немного уменьшает оценку R².