Tecniche statistiche multivariate quali Principal Component Analysis (PCA), Absolute Principal Component Scores (APCS), Cluster Analysis (CA), Neural Networks (NN), Linear Discriminant Analysisi (LDA), sono state applicate a data set di parametri chimico fisici di acque sotterranee e suoli. Nel presente contributo vengono riportati due esempi di applicazione di tali tecniche: una relativa all'individuazione di sorgenti di inquinamento delle acque sotterranee mediante tecniche di source apportionment e l'altra relativa all'individuazione di aree omogenee mediante applicazione di LDA a campioni di suolo raccolti in siti agricoli.
Metodi statistici multivariati applicati a data set di acque sotterranee e suoli: source apportionment e classificazione
Pierina Ielpo;Giuseppe Pappagallo
2016
Abstract
Tecniche statistiche multivariate quali Principal Component Analysis (PCA), Absolute Principal Component Scores (APCS), Cluster Analysis (CA), Neural Networks (NN), Linear Discriminant Analysisi (LDA), sono state applicate a data set di parametri chimico fisici di acque sotterranee e suoli. Nel presente contributo vengono riportati due esempi di applicazione di tali tecniche: una relativa all'individuazione di sorgenti di inquinamento delle acque sotterranee mediante tecniche di source apportionment e l'altra relativa all'individuazione di aree omogenee mediante applicazione di LDA a campioni di suolo raccolti in siti agricoli.File in questo prodotto:
Non ci sono file associati a questo prodotto.
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.