Meteorologische Normalisierung

Eine Schadstoffmessreihe unterliegt natürlicherweise starken Schwankungen. Diese Schwankungen können unterschiedliche Ursachen haben: 

• Variation des Verkehrsflusses im Tagesverlauf

• Betriebszeiten der Industrie

• Meteorologische Einflüsse

• Wochenenden, Feiertage etc. 

Diese Variationen müssen bei der Interpretation von Schadstoffreihen mit einbezogen werden. 
Bei der meteorologischen Normalisierung handelt es sich um eine Technik, bei der die durch externe Effekte hervorgerufene Variation einer Zeitreihe entfernt wird. Dies geschieht mittels Machine Learning, genauer gesagt mit einem "Random Forest" Model. Durch das "Trainieren" dieses Modells (vereinfacht gesagt mehrfaches Durchlaufen der Zeitreihe) kann ein Zusammenhang zwischen den Schwankungen der Schadstoffzeitreihe und den unabhängigen Variablen wie Wochentag, Wind, Temperatur etc. hergestellt und veranschaulicht werden. 

Die Analyse einer normalisierten Zeitreihe hat mehrere Vorteile:

• strukturelle Änderungen oder Sprünge in der Zeitreihe durch primäre Änderungen im  Schadstoffausstoß werden sichtbar

• überlagernde Effekte durch Wetter- oder Klimaänderungen sind herausgerechnet

• partielle Abhängigkeiten der Schadstoffkonzentration zu einzelnen Variablen können dargestellt werden

• Auswirkungen von politischen Entscheidungen bezüglich des Verkehrs deutlicher sichtbar und interpretierbar

​

​

Beispiel - Produkte