Key points are not available for this paper at this time.
भविष्य के वायु गुणवत्ता निगरानी नेटवर्क में कम लागत वाले गैस और कण पदार्थ संवेदकों का समूह शामिल होगा, जिन्हें मशीन लर्निंग तकनीकों का उपयोग करके कैलिब्रेट किया जाएगा। दुर्भाग्य से, यह ज्ञात है कि सिद्धांत विस्थापन परिचालन परिदृश्यों में डेटा की गुणवत्ता में हानि के प्राथमिक कारणों में से एक है। यह कार्य एक कम लागत वाले NO2 संवेदक कैलिब्रेशन मॉडल अपडेट पर ध्यान केंद्रित करता है, जिसे एक सिद्धांत विस्थापन डिटेक्टर द्वारा सक्रिय किया गया है। यह अध्ययन यह परिभाषित करता है कि मॉडल अद्यतन प्रक्रिया में उपयोग के लिए कौन से डेटा सबसे उपयुक्त हैं, ताकि यूरोपीय निर्देश द्वारा स्थापित सापेक्ष विस्तारित अनिश्चितता (REU) सीमाओं के साथ अनुपालन बनाए रखा जा सके, और साथ ही साथ सिद्धांत विस्थापन प्रभावों के न्यूनीकरण में सामान्य और महत्व-भारित कैलिब्रेशन मॉडलों की क्षमता का मूल्यांकन किया जा सके।
D’Elia et al. (मंगल,) ने इस प्रश्न का अध्ययन किया।