<i>n</i>-Alkane Profiles of Engine Lubricating Oil and Particulate Matter by Molecular Sieve Extraction
Notice bibliographique
Résumé
As part of the Canadian Atmospheric Fine Particle Research Program to obtain reliable primary source emission profiles, a molecular sieve method was developed to reliably determine n-alkanes in lubricating oils, vehicle emissions, and mobile source dominated ambient particulate matter (PM). This work was also initiated to better calculate carbon preference index values (CPI: the ratio of the sums of odd over even n-alkanes), a parameter for estimating anthropogenic versus biogenic contributions in PM. n-Alkanes in lubricating oil and mobile source dominated PM are difficult to identify and quantify by gas chromatography due to the presence of similar components that cannot be fully resolved. This results in a hump, the unresolved complex mixture (UCM) that leads to incorrect n-alkane concentrations and CPI values. The sieve method yielded better chromatography, unambiguous identification of n-alkanes and allowed examination of differences between n-alkane profiles in light (LDV) and heavy duty vehicle (HDV) lubricating oils that would have been otherwise difficult. These profile differences made it possible to relate the LDV profile to that of the PM samples collected during a tunnel study in August 2001 near Vancouver (British Columbia, Canada). The n-alkane PM data revealed that longer sampling times result in a negative artifact, i.e., the desorption of the more volatile n-alkanes from the filters. Furthermore, the sieve procedure yielded n-alkane data that allowed calculation of accurate CPI values for lubricating oils and PM samples. Finally, this method may prove helpful in estimating the respective diesel and gasoline contributions to ambient PM.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».