PG method is better than other thre

PG method is better than other three dispersion methods in global
statistics analysis in this case. Fig. 9 shows the global scatter
diagram of this kind of CALPUFF run. Statistics analysis of this
model results show a not bad performance, and the main problem
is the underpredicton of the model with respect to the measurements. The bias of CALPUFF model has a value of
13.82 suggesting
a rather strong underprediction tendency of the model. This can be
confirmed by the scatter diagram which indicates that the underestimation occurred at high concentration. The NMSE has low value
of 3.02 which indicates that this simulation performs well both in
space and time and has limited spread of the predicted concentrations around the measurements. The scatter diagram shows
a complex performance: the value of
25.91% of the FOEX exceeds
the half of the worst possible value (50), indicating that there are
a lot of underpredictions with respect to the overpredictions. The
FA2 and FA5 are 27.06% and 61.49% separately which means good
agreement between the measurements and predictions. In
conclusion, although there are globally more underprediction, the
total performance of model is good.

Kết quả (Việt) 1:

Phương pháp PG là tốt hơn so với các phương pháp phân tán ba trong toàn cầuthống kê các phân tích trong trường hợp này. Hình 9 cho thấy phân tán trên toàn cầuSơ đồ của loại CALPUFF chạy. Thống kê phân tích nàyMô hình kết quả cho thấy một hiệu suất không phải là xấu, và vấn đề chínhlà underpredicton các mô hình đối với các phép đo. Xu hướng của mô hình CALPUFF có giá trị gợi ý 13.82một xu hướng khá mạnh mẽ underprediction của mô hình. Điều này có thểxác nhận các biểu đồ phân tán mà chỉ ra rằng underestimation xảy ra lúc nồng độ cao. NMSE có giá trị thấpcủa 3,02 mà chỉ ra rằng các mô phỏng này thực hiện tốt trong cả haikhông gian và thời gian và hạn chế lây lan của nồng độ dự đoán xung quanh các phép đo. Cho thấy sơ đồ phân tánmột hiệu suất phức tạp: vượt quá giá trị của 25.91% của FOEXmột nửa của các giá trị có thể tồi tệ nhất (50), chỉ ra rằng có nhữngrất nhiều các underpredictions đối với các overpredictions. CácFA2 và FA5 là 27,06% và 61,49% riêng có nghĩa là tốtthỏa thuận giữa đo lường và dự báo. Ởkết luận, mặc dù có rất nhiều trên toàn cầu underprediction, cácTất cả hoạt động của mô hình là tốt.

Kết quả (Việt) 2:

Phương pháp PG là tốt hơn so với phương pháp phân tán ba khác trong toàn cầu
phân tích thống kê trong trường hợp này. Sung. 9 cho thấy sự phân tán toàn cầu
sơ đồ của loại CALPUFF chạy. Thống kê phân tích này
kết quả mô hình cho thấy một hiệu suất không tồi, và vấn đề chính
là underpredicton của mô hình đối với các phép đo với. Xu hướng của mô hình CALPUFF có giá trị? 13,82 cho thấy
một xu hướng underprediction khá mạnh của mô hình. Điều này có thể được
xác nhận bởi các sơ đồ phân tán mà chỉ ra rằng sự đánh giá thấp xảy ra ở nồng độ cao. Các NMSE có giá trị thấp
của 3.02 mà chỉ ra rằng mô phỏng này hoạt động tốt cả trong
không gian và thời gian và đã hạn chế lây lan của nồng độ dự đoán xung quanh các phép đo. Sơ đồ phân tán cho thấy
một hiệu suất phức tạp: giá trị 25,91% của FOEX vượt quá
nửa giá trị tốt nhất (50), chỉ ra rằng có
rất nhiều underpredictions đối với overpredictions với. Các
FA2 và FA5 là 27.06% và 61,49% cách riêng biệt mà có nghĩa là tốt
thỏa thuận giữa các số đo và dự báo. Trong
kết luận, mặc dù có underprediction toàn cầu hơn,
hiệu suất tổng cộng của mô hình là tốt.