Eerste nadere analyse van de sensordata ingezet in het vuurwerkexperiment. RIVM, Peter Zandveld -8 maart 2017

Transcriptie

1 gemiddelde sensor output Eerste nadere analyse van de sensordata ingezet in het vuurwerkexperiment. RIVM, Peter Zandveld -8 maart 7. sensor data De data van alle sensoren is in een Access database gezet. In de datebase staat verder: - LML pm meetdata - Meteo data - Enquête gegevens. Deze gegevens kunnen op allerlei manieren worden gekoppeld. Hieronder de eerste resultaten. Het betreft oriënterend onderzoek. In een later stadium kan besloten worden bepaalde groepen data af te keuren of apart te behandelen..koppeling met enquête data. Doel van deze analyse is te onderzoeken wat de invloed van de ophanging/positionering van de sensor op het signaal is. Op de meetdata zijn bewerkingen uitgevoerd: - Met een eenvoudig algoritme is een deel van de scherpe pieken weg ged. (Zie $ ) - Dit signaal is uur-gemiddeld. Vervolgens is de meetdata van alle sensoren zonder verdere selectie gekoppeld aan de enquête gegevens. Is de sensor afgeplakt? Uit de literatuur is bekend dat er storing door strooilicht kan ontstaan door de opening aan de bovenkant van de sensor. Een deel van de deelnemers heeft de opening afgeplakt. In de enquête is aangegeven wie dit heeft gedaan. Er zijn dus twee groepen sensors. Het gemiddelde per uur van de dag is bepaald: Afgeplakt? Ja Nee Gemiddeld uur van de dag Afgeplakt: 8 Niet afgeplakt 9 Niet ingevuld: Voorlopige conclusie: Er is een effect aan het eind van de dag. Verklaring?

2 Gemiddelde Sensor output.. Hangt de sensor in de zon,5 Sensor in de zon? Uur van de dag De hele dag in de zon Een deel van de dag in de zon Gemiddeld Nooit in de zon Hele dag in de zon: Een deel van de dag in de zon: 9 Nooit in de zon: Geen antwoord Conclusie: Dit lijkt een belangrijke parameter, maar waarom ook in de nacht verschillen, offsets?.. Is de sensor gevoelig voor beweging? 5 Beweegt de sensor regelmatig? <> Ja Nee Uur van de dag Geen antwoord Ja 6 Nee 9 Conclusie: deze vraag is waarschijnlijk te lastig, en te weinig precies. Vermoedelijk een kleine invloed op het uurgemiddelde

3 . Hoe hoog hangt de sensor? Ophanghoogte 6 5 < m >= & < m >= & < 9m 9, m m Uur van de dag < meter 8 >= < meter >= < 9 meter >=9 <= meter meter Conclusie: laag opgehangen sensoren meten een hoger signaal

4 gemiddelde sensor output Koppeling met meteo data Voor iedere sensor is bepaald welk meteo station het dichtst bij ligt. De sensor is aan dit meteostation gekoppeld.. Relatieve vochtigheid Relatieve vochtigheid 5,5, Relatieve vochtigheid (%) Conclusie: Relatieve vochtigheid is een belangrijke parameter!. Zon Straling Zonnestraling in Watt/cm Conclusie: straling van de zon is een belangrijke parameter

5 . Windsnelheid Windsnelheid 7, 6, 5,,,,,, Windsnelheid m/s Indien je voornamelijk een lokale bron zou bemeten verwacht je een lager signaal met oplopende windsnelheid. Misschien kijken we naar opwaaiend stof, of beweging van de sensor. NB niet te veel aandacht besteden aan de piek bij 6 m/s. Er is weinig data bij de hoge windsnelheden. ws freq,,8,, 76,,,,,, 6 5,, 78 6, 8 7,6, 8 8,8,6 69 9,,7 6,9,7 8,,9 58,, 5,8,5 59,, 5,6, , 5,8 58

6 gemiddelde sensor output 7,5, 5 8,5, 8 9,,7,,,,. Temperatuur Temperatuur,,5,,,, Temperatuur Celsius Ook de temperatuur is een belangrijke parameter T n -9,, 5-8, 9-7,,9 8-6,,9 6-5,, 87 -,, 7 -,9,8 9 -,9,7 87 -,7,6 9,6, 7

7 ,7,6 7,, 586,, 559,9,8 55 5,, , 576 7,, 868 8, ,5,,6 8,, 89,,, 8,,. Het algoritme. Het is een blokje van 7 opeenvolgende metingen dat over de tijdreeks schuift. De meetwaarde van het middelste tijdstip wordt vergeleken met het gemiddelde van de 6 omliggende waarden. for ( itijd=;itijd<ntijd-;itijd++){ ged[itijd] = e_meting_5min[itijd]; m = e_meting_5min[itijd-]; m =e_ meting_5min [itijd-]; m = e_ meting_5min [itijd-]; m = e_ meting_5min [itijd+]; m = e_ meting_5min [itijd+]; m5 = e_ meting_5min [itijd+]; gem = (m + m + m + m + m + m5)/6; if (e_meting_5min[itijd]/gem > ){ ged[itijd] = gem; } }