开放数据:新测试——1微米Dylos(基本款)有多精准?

一如既往,原始数据,测试方法和更多细节,包括湿度数据,都在这里公开。

 

们应该排除10微米的

一个问题是:我们应该考虑到10微米的颗粒吗?一个标准Dylos会给出1微米和10微米的读数。在Dylos给出Pro模型的分式中,他们减去2.5微米以上的颗粒:

Pro分式:PM2.5 ug/m3 = 0.5微米 – 2.5微米粒)/0.1

理论上,0.5微米读数显示的是0.5微米以上的颗粒,包括2.5微米以上的粒子。既然PM2.5的数据是2.5微米以下的颗粒,如果我们排除2.5微米以上的颗粒,我们的数据会更加精准。

但是,当我在分析其他Pro测试数据时删除或不删除数字的差异是微不足道的。对于标准Dylos数据,1微米与

 

湿度对数据有影响吗?

适度是否重要呢?德雷克塞尔大学的工程学生认为它对Dylos的精准度有影响,因为吸收空气中的水分时候会使颗粒“膨胀”。

在第二轮的测试中,我们为每个数据点提供湿度数据。重要的是,这些数据具有宽范围的湿度值,从49%的低到98%,因此,我们可以测试把湿度考虑在内是否能够提高测试精准度。

为了测试这个问题,我计算了湿度与湿度和1微米颗粒之间的相互作用项的回归。相互作用项是显着的(p < .001, B = -0.001,在没有常熟的回归中,所以线相交在0,0)。

这个相互作用是什么意思?我在程序R中绘制出来。对于高湿度水平,Dylos 1微米(X轴)和———PM2.5(Y轴)之间的关系相对接近:

 

但是在地湿度水平下关连度更大:

那么,这些都有什么意义?这表明,当湿度高时,Dylos在“过度计算”。因此,当湿度较高时,相互作用项目在湿度高时,Dylos的数据稍微低于正常值。

当湿度较低时,Dylos不会“过度计算”。因此,我们更应该强调要将这些数字考虑进去。

如果增加湿度,公式会好多少呢?我们看一下简单公式跟踪美国领事馆的程度如何:

 

包括了湿度的分式如下:

原版的分式有11微克的平均误差。而包括了湿度的分式有6.8微克的平均误差。因此,把湿度考虑在内似乎有所帮助。

但请记住:这是一个相对较小的数据集。我们也没有湿度数据低于49%。适度可以降低很多。例如,拉斯维加斯目前的湿度才为7%。