Konzeptveränderung bei der Minderung in kostengünstigen Luftqualitätsüberwachungsnetzwerken

Zukünftige Luftqualitätsüberwachungsnetzwerke werden Flotten von kostengünstigen Gas- und Partikelsensoren umfassen, die mithilfe von Machine-Learning-Techniken kalibriert werden. Es ist jedoch bekannt, dass Konzeptveränderung eine der Hauptursachen für Qualitätsverluste der Daten in Betriebsszenarien darstellt. Diese Arbeit konzentriert sich auf die Aktualisierung eines Kalibrierungsmodells für kostengünstige NO2-Sensoren, ausgelöst durch einen Konzeptveränderungsdetektor. Die Studie definiert, welche Daten am besten für den Modellaktualisierungsprozess geeignet sind, um die Einhaltung der durch die Europäische Richtlinie festgelegten Grenzen der relativen erweiterten Unsicherheit (REU) zu gewährleisten, sowie das Potenzial von allgemeinen und wichtigkeitsgewichteten Kalibrierungsmodellen zur Minderung der Auswirkungen von Konzeptveränderungen zu evaluieren.