Determination of ultraviolet sensor location for sensor set-point monitoring using computational fluid dynamics
Notice bibliographique
Résumé
A study was performed to investigate the use of computational fluid dynamics (CFD) coupled with a fluence rate model to determine ultraviolet (UV) sensor placement for a "set point" monitoring approach to UV reactor operation. Simulations were performed in a two-lamp closed conduit reactor using two fluence rate models: RADial line source integration (RAD-LSI) and multiple segment source summation (MSSS). In addition, simulations were performed assuming first order inactivation kinetics with two rate constants representing a high UV sensitive and a low UV sensitive microorganism. The optimal sensor location was determined by calculating the linearity of the reduction equivalent fluence (REF) as a function of the local fluence rate regardless of the UV transmissivity (UVT). Results showed that a small range of possible locations exist where the sensor can be placed to achieve a single REF for each fluence rate value. However, the predicted optimal location was a function of the selected fluence rate model and the target microorganism. The determination of the sensor location for sensor set point monitoring should be performed with the MSSS approach, which includes refraction, reflection, shadowing, and sensor characteristics. Moreover, simulations performed with the more resistant microorganism produced a narrower spatial range of optimal sensor locations than with the less resistant microorganism. Key words: model, CFD, UV disinfection, monitoring, fluence rate.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».