Aerosolikokojakauman bayesilainen inversio

Abstract

Tässä diplomityössä tutkittiin useilla mittauskerroilla kerätyn inversiodatan käyttöä bayesilaisessa inversiomenetelmässä. Jos mittalaite mittaa jakaumaa, joka pysyy useiden mittausten ajan vakiona, on hyödyllistä käyttää useista mittauksista saatua dataa inversio-ongelman ratkaisuun. Kehitetty algoritmi, joka aikaisemmista muille kaskadi-impaktoreille tehdyistä vastaavista algoritmeista poiketen on täysin automaattinen, sovittaa kaksihuippuisen lognormaalijakauman sähköisen alipaineimpaktori Elpin mittausdataan. Algoritmin perusversio, keskiarvomenetelmä, käyttää sisäänmenonaan mittaustulosten keskiarvoa ja vaihtoehtoinen versio, monivirtamenetelmä, käyttää suoraan kaikkia saatavilla olevia mittaustuloksia.

Algoritmien toimintaa testattiin simulaatioilla ja kokeellisilla mittauksilla tutkien mittausvirheen ja käytettyjen mittauskertojen vaikutusta. Molemmat algoritmit selviytyvät perustehtävästään hyvin ja ovat käyttökelpoisia. Mahdolliset algoritmien epäonnistumiset ovat selkeästi havaittavissa. Simulaatioiden perusteella olisi odotettavissa, että molempien menetelmien tehokkuus riippuisi käytettyjen mittauskertojen määrästä, ja inversiovirheen minimi saavutettaisiin viidellä – kymmenellä mittauksella. Tätä ei kuitenkaan havaittu kokeellisissa mittauksissa. Todennäköiset syyt eroon ovat huonosti tunnetut Elpin mittaus- ja vastefunktioiden virheet.

Keskiarvomenetelmä ja monivirtamenetelmä toimivat likimain yhtä tehokkaasti, mutta nopeampana näistä kahdesta keskiarvomenetelmä on suositeltavampi. Kuitenkin molemmat menetelmät ovat toimivia ja niiden antamat tulokset voivat olla hyvänä apuna pyrittäessä ymmärtämään aerosolijakauman ominaisuuksia.