PMFソリューションの不確実性を推定する方法：周囲の空気と水質のデータを備えた例と、PMFの報告に関するガイダンス

EPAのポジティブマトリックス因子化（EPA PMF）ソフトウェアの新しいバージョン、5.0には、因子分析ソリューションを分析するための3つのエラー推定（EE）メソッドが含まれています。BS-DISP）。これらの方法は、ランダムなエラーと回転曖昧さによるPMF分析の不確実性をキャプチャします。EEメソッドの有用性を実証するために、3つのデータセットで結果が表示されます。（1）カリフォルニア州サクラメントの化学種分化ネットワーク（CSN）サイトからの指定されたPM2.5データ（2003-2009）。（2）ウィスコンシン州ミルウォーキーのインライン貯蔵システム（ISS）で撮影された水質サンプルの微量金属、アンモニア、およびその他の種。（3）ネバダ州ラスベガスの高解像度エアロゾル質量分析計（HR-AMS）測定からの有機エアロゾルデータセット（2008年1月）。これらのデータセットのEE診断の解釈、追加および少数の要因を使用したEE診断の感度テストの結果、およびPMFの結果を報告するための推奨事項を提示します。BS-DISPとBSは、因子プロファイルの不確実性を理解するのに役立ちます。また、あまりにも多くの要因を指定することにより、データが過度に適合しているかどうかを提案します。Disp Diagnosticsは一貫して堅牢であり、回転不確実性を理解するための使用の使用と、ソリューションの実行可能性を評価する最初のステップとして示しています。各因子の識別種の不確実性は、複数の解を評価するための有用なゲージであることが示されています。たとえば、異なる数の因子を備えています。

The new version of EPA's positive matrix factorization (EPA PMF) software, 5.0, includes three error estimation (EE) methods for analyzing factor analytic solutions: classical bootstrap (BS), displacement of factor elements (DISP), and bootstrap enhanced by displacement (BS-DISP). These methods capture the uncertainty of PMF analyses due to random errors and rotational ambiguity. To demonstrate the utility of the EE methods, results are presented for three data sets: (1) speciated PM2.5 data from a chemical speciation network (CSN) site in Sacramento, California (2003-2009); (2) trace metal, ammonia, and other species in water quality samples taken at an inline storage system (ISS) in Milwaukee, Wisconsin (2006); and (3) an organic aerosol data set from high-resolution aerosol mass spectrometer (HR-AMS) measurements in Las Vegas, Nevada (January 2008). We present an interpretation of EE diagnostics for these data sets, results from sensitivity tests of EE diagnostics using additional and fewer factors, and recommendations for reporting PMF results. BS-DISP and BS are found useful in understanding the uncertainty of factor profiles; they also suggest if the data are over-fitted by specifying too many factors. DISP diagnostics were consistently robust, indicating its use for understanding rotational uncertainty and as a first step in assessing a solution's viability. The uncertainty of each factor's identifying species is shown to be a useful gauge for evaluating multiple solutions, e.g., with a different number of factors.