MétaCan
Menu
Retour à la cohorte
Enregistrement W2009379800 · doi:10.1177/0734904112457342

The effect of air gaps in moist protective clothing on protection from heat and flame

2012· article· en· W2009379800 sur OpenAlexaff
Yehu Lu, Jun Li, Xiaohui Li, Guowen Song

Notice bibliographique

RevueJournal of Fire Sciences · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueTextile materials and evaluations
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMoistureAir gap (plumbing)Materials scienceWater contentComposite materialClothingThermalEnvironmental scienceWaste managementMeteorologyEngineeringGeotechnical engineeringGeography

Résumé

récupéré en direct d'OpenAlex

The distribution of air gaps and moisture in thermal protective clothing has a large and complicated impact on thermal protective performance. The effect of air gap size on the thermal protective performance of flame-resistant fabrics with different moisture content was investigated under intense exposures. The air gap sizes from 0 to 24 mm were analyzed using an air gap height regulation device. Fabrics with different moisture content were prepared, and the thermal protective performance was evaluated. The results showed that the effect of air gaps was influenced by the amount of moisture added to the fabric. It was also determined that the moisture in the fabric significantly increased the thermal protective performance ( P < 0.05). The positive effect of moisture was enhanced by the amount of moisture if the air gap size was less than 12 mm; the effect of moisture varied for air gaps larger than 12 mm. The mechanisms associated with heat and mass transfer in moist fabric were discussed. The results suggest that protective clothing design should consider the combined effects of air gap and moisture. Based on the current study, air gaps of 9–12 mm seem to achieve maximum thermal protection.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,020
Tête enseignante GPT0,290
Écart entre enseignants0,270 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations74
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Fire SciencesMême sujetTextile materials and evaluationsTravaux en français237 207