Gyvenamų patalpų oro taršos rodiklių daugiamatė analizė
| Autor: | Zuzevičiūtė, Gintarė |
|---|---|
| Přispěvatelé: | Ruzgas, Tomas |
| Jazyk: | litevština |
| Rok vydání: | 2018 |
| Předmět: | |
| Popis: | Patalpų oro tarša yra viena svarbiausių aplinkos sveikatos problemų, nuo kurios priklauso žmogaus savijauta ir gyvenimo kokybė. Taršos šaltiniais gali būti įvarūs, pavyzdžiui statybinės medžiagos, dujinė, baldai ar net grindys. Šie kiekvieno namuose sutinkami taršos šaltiniai, atrodantys nepavojingi, skleidžia toksiškas dujas ir lakiuosius organinius junginius tokius kaip: formaldehidas, anglies dioksidas, toluenas, benzenas, toluenas, etilbenzenas, azoto dioksidas ar ksilenas. Radono dujos yra pačios gamtos keliamas pavojus, galintis sukelti vėžį. Šiame darbe apibrėžiama didelių duomenų sąvoka, aptariamos ir palygintos technologijos, apžvelgiami didelių duomenų tyrybos metodai naudojami analizei. Naudojant SAS programinę įrangą atlikta duomenų apie patalpų oro taršą Lietuvoje ir Suomijoje analizė. Hierarchiniais ir nehierarchiniais metodais nustatytas optimalus klasterių skaičius, tiriamos imties duomenys sugrupuoti į klasterius. Nustatyta, kad egiztuoja priklausomybė tarp butuose išmatuotų cheminių junginių koncentracijų ir butus aprašančių faktorių. Indoor air polution is one of the most important environmental health problem that affects people's well-being and quality of life. There are many sources of indoor pollution: building materials, furniture, gas stoves and eaven floors. These pollution sources can be found in everyone's house. At first sight they are not hazardous but they emit such toxic gases as carbon dioxide, benzene, toluene, ethylbenzene, xylene, nitrogen dioxide and formaldehyde. One of the potential dangers of nature - the radon gas that can cause cancer. In this paper defines the concept of big data, discusses and compares technologies, reviews the methods of big data research used for analysis. An analysis of indoor air pollution in Lithuania and Finland was carried out by using SAS software. Optimal number of clusters is determined by using clustering criteria. Hierarchical and partitive methods are used to group sample data into clusters. It was found that concentration of chemical compounds depends on describing factors of apartamens. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|