（公众）气象站的自动化质量评估
应用统计
2018-05-03 v2
摘要
如今我们可以获取由全球各地个人收集的大量天气、空气质量、噪声或放射性数据。这种志愿地理信息通常包含质量不确定且异构的数据，尤其是与官方原位测量相比时。这限制了它们的应用，因为必须执行严格的、劳动密集的数据清洗，这减少了数据量且无法实时进行。在本文中，我们提出通过使用遗传算法优化加权高斯过程回归来动态学习单个传感器的质量。我们选择气象站作为用例，因为它们是最常见的VGI测量。评估基于2016年8月德国西南部的数据，使用来自Wunderground网络和Deutsche Wetter Dienst (DWD)的温度数据，共1561个站。使用基于DWD地面真值的10折交叉验证方案，我们可以展示预测传感器读数的显著改进。在我们的实验中，平均绝对误差获得了12.5%的改进。
引用
@article{arxiv.1802.06018,
title = {Automated Quality Assessment of (Citizen) Weather Stations},
author = {Julian Bruns and Johannes Riesterer and Bowen Wang and Till Riedel and Micheal Beigl},
journal= {arXiv preprint arXiv:1802.06018},
year = {2018}
}