AirVisual प्लेटफॉर्म पर प्रकाशित होने से पहले वायु गुणवत्ता डेटा कैसे मान्य किया जाता है?

AirVisual प्लेटफ़ॉर्म का उद्देश्य वैश्विक वायु गुणवत्ता का सबसे व्यापक अवलोकन प्रदान करने के लिए, वर्तमान में एक ही स्थान पर उपलब्ध वायु गुणवत्ता की जानकारी को केंद्रीकृत और एकत्र करना है।

AirVisual प्लेटफ़ॉर्म के माध्यम से रिपोर्ट किए जाने वाले डेटा स्रोतों में सरकारी निगरानी स्टेशनों (आमतौर पर उच्च-लागत वाले "संदर्भ मॉनिटर" माना जाता है) से सेंसर डेटा शामिल है, साथ ही सार्वजनिक AirVisual Pro स्टेशन और पर्पलएयर सेंसर जैसे कम लागत वाले सेंसर भी शामिल हैं।

AirVisual प्लेटफ़ॉर्म के माध्यम से प्रकाशित होने वाला सभी डेटा डेटा सत्यापन के अधीन है, और यह प्रक्रिया सेंसर डेटा के इन दो स्रोतों के बीच भिन्न होती है।

AirVisual का डेटा सत्यापन प्रणाली क्लाउड-आधारित है और मशीन लर्निंग द्वारा संचालित है, और हमारे प्लेटफ़ॉर्म पर प्रकाशित होने से पहले सभी माप इस प्रणाली से पारित किए जाते हैं।
 

सरकारी "संदर्भ" सेंसर डेटा

हालांकि उच्च लागत वाले सरकारी सेंसर को आमतौर पर मापा वायु गुणवत्ता डेटा का सबसे सटीक और विश्वसनीय स्रोत माना जाता है, कभी-कभी ये सेंसर विसंगतियों या गलत डेटा की रिपोर्ट भी करते हैं। इसके कारणों में रखरखाव या दोषों की अस्थायी अवधि, या सेंसर के पास अस्थायी हाइपरलोकल उत्सर्जन स्रोत भी शामिल हो सकते हैं।

तदनुसार, सभी सरकारी सेंसर डेटा प्रकाशन से पहले एक डेटा सत्यापन प्रणाली के अधीन हैं। इस मान्यता का एक उदाहरण यह है कि क्लाउड-आधारित प्रणाली किसी स्टेशन द्वारा प्रकाशित किसी भी संभावित विसंगति की पहचान करती है (उदाहरण के लिए, PM2.5 में 10ug/m3 से 100ug/m3 तक एक घंटे से अगले घंटे तक अचानक उच्च स्पाइक), और यह सत्यापित करने के लिए आस-पास के अन्य मापों के साथ क्रॉस-चेक करेगा कि क्या ऐसा स्पाइक प्रतिनिधि है, या एक विसंगति है। सत्यापन प्रक्रिया ऐतिहासिक पैटर्न, और मौसम की स्थिति जैसे अन्य मापदंडों के खिलाफ भी क्रॉस-चेक करती है। फिर मूल्य प्रकाशित किया जाएगा या तदनुसार छूट दी जाएगी।
 

कम लागत वाले सेंसर

कम लागत वाले सेंसर से माप भी ऊपर वर्णित सत्यापन प्रक्रिया के अलावा, एक डेटा अंशांकन और सुधार प्रक्रिया के अधीन हैं, जो विषम रीडिंग की पहचान और छूट देगा।

कम लागत वाले सेंसर पर लागू प्रणाली तापमान, आर्द्रता, प्रदूषण संरचना जैसी आस-पास की स्थितियों को ध्यान में रखती है और पर्यावरणीय परिस्थितियों के आधार पर डेटा अंशांकन एल्गोरिदम लागू करती है। एक उदाहरण के लिए, उच्च आर्द्रता का स्तर कुछ परिस्थितियों में कम लागत वाले सेंसर को PM2.5 के स्तर से अधिक रिपोर्टिंग कर सकता है। इसी तरह, प्रदूषण संरचना (परिवहन उत्पन्न प्रदूषण, रेत तूफान, कोयला आधारित प्रदूषण, आदि) माप को बहुत प्रभावित करती है और एयरविजुअल प्लेटफॉर्म अंशांकन तंत्र में उपयोग करने के लिए प्रदूषण संरचना निर्धारित करने के लिए उपग्रह इमेजरी का उपयोग करता है। इसलिए, यह अंशांकन और सुधार एल्गोरिथ्म क्षेत्रीय ऐतिहासिक पैटर्न के अलावा, स्थानीय आर्द्रता के स्तर और अन्य पर्यावरणीय मापदंडों को ध्यान में रखता है, और तदनुसार PM2.5 माप को समायोजित करता है।

समायोजन स्तर क्लाउड-आधारित प्रणाली द्वारा निर्धारित किया जाता है जो कृत्रिम बुद्धिमत्ता और मशीन लर्निंग पर बनाया गया है। संदर्भ सेंसर, एयरविजुअल सेंसर, मौसम विज्ञान डेटा और उपग्रह इमेजरी से प्रदूषण संरचना से कई वर्षों तक अरबों वैश्विक वायु गुणवत्ता डेटा बिंदुओं को एकत्रित करने के माध्यम से, यह प्रणाली विभिन्न वायु गुणवत्ता मानकों के बीच जटिल ऐतिहासिक संबंधों को सीख रही है दुनिया के विभिन्न हिस्सों में।

चूंकि पीएम की संरचना दुनिया के विभिन्न क्षेत्रों के बीच व्यापक रूप से भिन्न हो सकती है, इसलिए पीएम के सहसंबंधों और स्थानीय / क्षेत्रीय स्तर पर आर्द्रता जैसे कारकों के बीच अंतर करना महत्वपूर्ण है। ये सहसंबंध पीएम की विभिन्न स्थानीय रचनाओं के आधार पर व्यापक रूप से भिन्न हो सकते हैं, और इसलिए स्थानीय अंशांकन और सुधार एल्गोरिदम के लिए ध्यान में रखा जाना चाहिए।