Zdeněk Blažek, Vladimíra Volná

Slides:



Advertisements
Podobné prezentace
Statistika.
Advertisements

Statistické funkce v tabulkovém kalkulátoru Excel MS
Partyzánské náměstí Ostrava tel.: fax: Znečištění ovzduší suspendovanými částicemi PM 10 a PM 2.5 na území města.
kvantitativních znaků
METEOROLOGIE Název a adresa školy
GENETIKA POPULACÍ KVANTITATIVNÍCH ZNAKŮ 8
§ Nařízení vlády č. 350/2002 Sb.. kterým se stanoví imisní limity a podmínky a způsob sledování, posuzování, hodnocení a řízení kvality ovzduší.
Krajská hygienická stanice Moravskoslezského kraje se sídlem v Ostravě Na Bělidle 7, Ostrava tel: , fax:
Josef Keder Hana Škáchová
Charakteristiky variability
Regresní analýza a korelační analýza
Josef Keder Hana Škáchová
Tloušťková struktura porostu
kvantitativních znaků
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Řízení a supervize v sociálních a zdravotnických organizacích
Znečištění ovzduší na Ostravsko-Karvinsku v zimní sezóně
PODNEBÍ ČR.
Interpretace výsledků modelových výpočtů
Požadavky na vypracování rozptylových studií
Obecný lineární model Fitované hodnoty and regresní residuály
Ing.Miroslava Rýparová
Statistika Zkoumání závislostí
Charakteristiky variability
Digitální výukový materiál zpracovaný v rámci projektu „EU peníze školám“ Projekt:CZ.1.07/1.5.00/ „SŠHL Frýdlant.moderní školy“ Škola:Střední škola.
Lineární regrese.
Lineární regresní analýza
Biostatistika 6. přednáška
Lineární regrese kalibrační přímky
Partyzánské náměstí Ostrava tel.: fax: Projekty EU na Zdravotním ústavu Ostrava „Identifikace průmyslových zdrojů“
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Autorem materiálu a všech jeho částí, není-li uvedeno jinak, je Ing. Pavel Najman. Obchodní akademie a Střední odborná škola logistická, Opava, příspěvková.
Na co ve výuce statistiky není čas
Biostatistika 8. přednáška
Nástroje pro prostorovou analýzu srážek v GIS
Korelace.
Biostatistika 1. přednáška Aneta Hybšová
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
VY_32_INOVACE_21-16 STATISTIKA 2 Další prvky charakteristiky souboru.
Aplikovaná statistika 2. Veronika Svobodová
1. cvičení
K OMBINATORIKA, PRAVDĚPODOBNOST, STATISTIKA Charakteristiky variability VY_32_INOVACE_M4r0120 Mgr. Jakub Němec.
Aplikovaná statistika 2.
Základy statistiky Základní pojmy. Základy statistiky Statistiku můžeme chápat jako činnost - získávání stat. údajů, jejich zpracování a vyhodnocení jako.
Zlepšení podmínek pro vzdělávání na středních školách Operačního programu Vzdělávání pro konkurenceschopnost Název a adresa školy: Integrovaná střední.
Mgr. Robert Skeřil, Ph.D. Český hydrometeorologický ústav pobočka Brno V YHODNOCENÍ KVALITY OVZDUŠÍ V J IHLAVĚ ZA ROKY
Mgr. Robert Skeřil, Ph.D. Český hydrometeorologický ústav pobočka Brno V YHODNOCENÍ KVALITY OVZDUŠÍ V J IHLAVĚ ZA ROKY 2010 – 2014.
Základy zpracování geologických dat R. Čopjaková.
Korelace. Určuje míru lineární vazby mezi proměnnými. r < 0
Korelace Korelace obecně je míra kvality (vhodnosti, těsnosti) nalezeného regresního modelu pro daná data; vychází z hodnot reziduí V každém typu regresního.
Opakování – přehled metod
MĚŘENÍ VIBRACÍ NA TRUBKOVÉM SVAZKU, ZPRACOVÁNÍ A UCHOVÁVÁNÍ DAT
FN Brno – Pracoviště dětské medicíny, OKB
Statistika 2.cvičení
Vyhodnocení měření kvality ovzduší v Jihlavě
Zpracovatel dat: Ing. Roman Musil
Regresní analýza výsledkem regresní analýzy je matematický model vztahu mezi dvěma nebo více proměnnými snažíme se z jedné proměnné nebo lineární kombinace.
Hodnocení závislosti STAT metody pro posouzení závislosti – jiné pro:
ORDINÁLNÍ VELIČINY Měření variability ordinálních proměnných
Rozvoj metod mapování, zejména na evropské úrovni
Josef Keder Český hydrometeorologický ústav
Propojení modelu AEOLIUS a GIS
Výskyt situací s vysokým znečištěním ovzduší PM10 na Ostravsku
Měření ozonu v Novohradských horách pasivními dosimetry
Návrh metodiky výpočtu příspěvku resuspenze ke koncentracím PM10
Výsledky měření na dopravní AMS
Model CAMx a možnosti jeho využití v ČHMÚ
Časová disagregace emisí
KOUŘ Z KOMÍNŮ RODINNÝCH DOMŮ
Porovnání epizod vysokých koncentrací přízemního ozonu v létě 1994 a 2003 Karel Dejmal Observatoř Košetice.
Transkript prezentace:

Zdeněk Blažek, Vladimíra Volná ZÁVISLOST KONCENTRACÍ PM10 V OSTRAVSKO-KARVINSKÉ AGLOMERACI NA METEOROLOGICKÝCH PODMÍNKÁCH ROZPTYLU Zdeněk Blažek, Vladimíra Volná

imisně-meteorologické vztahy pro 24-hodinové koncentrace PM10 Byly vyšetřovány imisně-meteorologické vztahy pro 24-hodinové koncentrace PM10 při použití: synoptických situací vybraných charakteristik meteorologických podmínek rozptylu 10-leté období 1996 – 2005 Pro každý den aritm.průměr z dostupných K24 (log K24) na jednotl. stanicích … PRM/agl Pro každý den 95.percentil z dostupných K24 (log K24) na jednotl. stanicích … P95/agl

Ostrava - Fifejdy, Poruba, Přívoz, Radvanice, Zábřeh + Studénka Měření z 12 AMS ČHMÚ v ostravsko-karvinské aglomeraci: Ostrava - Fifejdy, Poruba, Přívoz, Radvanice, Zábřeh + Studénka o. Karviná – Bohumín, Č.Těšín, Havířov, Karviná, Orlová, Věřňovice

Měsíční průměry vyhodnocovaných imisních charakteristik Rozsahy základních souborů ve zvolených obdobích: Rok 3653 dnů Ch½ 1823 Te½ 1830 ZiO 872 (bez 12/05) PřO 1220 TeO 1530

Aritmetické průměry z příslušných korelačních koeficientů logaritmů 24-hodinových koncentrací PM10

A) SYNOPTICKÉ SITUACE

Absolutní četnosti jednotlivých synoptických situací v letech 1996 - 2005

Průměrné imisní charakteristiky při jednotlivých synoptických situacích Průměrný výskyt za zimní období 12,2 dnů 1,8 x 2,9 x

   SEa Ea NEa     SEc Schéma vybraných synoptických situací

B) METEOROLOGICKÉ PODMÍNKY ROZPTYLU Použité meteorologické charakteristiky:

Koeficienty korelace mezi P95/agl z logaritmů koncentrací PM10 a použitými meteorologickými charakteristikami

Závislost P95/agl z logaritmů koncentrací PM10 na logaritmu rychlosti proudění 316 μg/m3 <<< 32 μg/m3 <<< 0,5 m/s 2 m/s 4 m/s 8 m/s 16 m/s

Závislost P95/agl z logaritmů koncentrací PM10 na teplotě vzduchu

Závislost P95/agl z logaritmů koncentrací PM10 na teplotním zvrstvení

hledisko možného provozního využití Regresní analýza dat – 1. krok Období: data ze všech měsíců v zimních obdobích od I/96 do II/05 použit analytický nástroj Regrese v „Analýze dat“ programu Excel hledisko možného provozního využití ?????

Regresní analýza dat – 2. krok Opět: data ze všech měsíců v zimních obdobích od I/96 do II/05 použit analytický nástroj Regrese v „Analýze dat“ programu Excel

Výsledky z regresní analýzy z 2. kroku byly aplikovány na nezávislý soubor meteorologických dat za zimní období XII/2005 – II/2006, N = 90 > > >

VYUŽITÍ ??? PROGNÓZA ZO ??? Jako nezávisle proměnné použity naměřené hodnoty meteorologických prediktorů – nikoliv předpovídané hodnoty !!!

Citlivost „modelu“ na meteo-prediktorech ??? log P95/agl = 2,07 – 0,70*logFavg – 0,19*Gnoc – 0,01*Tmin 117 µg/m3

Děkuji Vám za pozornost