相关实验视频
Updated: May 7, 2026
12:44
Watershed Planning within a Quantitative Scenario Analysis Framework
Published on: July 24, 2016
8.7K
评估废水监测中的方法变化:波形分解方法.
Maria L Daza-Torres1, J Cricelio Montesinos-López1, Rachel Olson2
1Department of Public Health Sciences, University of California Davis, Davis, CA, USA.
Epidemics
|March 1, 2026
概括
废水监测数据可能会很. 使用离散波波变换 (DWT) 来分析废水中的SARS-CoV-2趋势有助于区分真实疾病信号与处理变异,提高数据可靠性.
科学领域:
- 环境科学环境科学
- 流行病学 流行病学
- 数据科学是数据科学.
背景情况:
- 污水监测对于公共卫生至关重要,可以检测疾病爆发和趋势.
- 废水样本采集和处理的变化引入噪音,阻碍了准确的分析和可比性.
- 方法噪声可以掩盖SARS-CoV-2废水数据中的真正的流行病学信号.
研究的目的:
- 区分SARS-CoV-2废水监测数据中的潜在疾病趋势与方法变异.
- 使用离散波波变换 (DWT) 来比较废水流入和固体样本.
- 提高废水数据在不同地点和样本类型的可比性.
主要方法:
- 在加利福尼亚州五个城市,应用DWT对来自对联的流体和固体废水样本的SARS-CoV-2 RNA纵向度.
- 将信号分解为近似系数 (长期趋势) 和细节系数 (高频波动).
- 通过去除高频组件来重建信号,并使用层次聚类来评估相似性.
主要成果:
- 由于方法上的噪音,原始废水信号没有显示出明确的城市特定分组.
- 在保留高频组件的信号重建中,仍然呈现出混合的分组.
- 仅基于低频近似系数的重建揭示了不同的,特定于城市的集群,对准了影响和固体样本.
结论:
- 废水数据中的高频组件很可能是由样本处理和实验室噪声驱动的.
- 低频组件有效地反映了共同的流行病学趋势,不受方法变化的影响.
- 使用像DWT这样的方法去除废水数据对于提高信号可比性和可靠性至关重要.
