Field evaluation of pm<sub>10</sub>detectors in a quarry environment
Notice bibliographique
Résumé
This study is aimed to test and compare two different devices and methods to assess PM 10 concentration at workplace.An analysis of data collected by Public Administration database on the main nuisance factors at workplaces revealed that in quarrying activities, PM 10 concentration and airborne dust, in general, represent one of the most relevant hazards.Therefore, to provide a useful stress test for sampling devices, the location selected was a basalt quarry near Rome.Airborne dust tends to be unavoidable in quarries, as this industry necessarily causes ground disturbance.Drilling, blasting, loading, hauling, moving, crushing and screening rocks, as well as transporting the final product away from the quarry, are all dusty activities.To investigate this phenomenon, we carried out many outdoor sampling campaigns under various meteorological conditions during the period of 2012-2013.In each of them, two simultaneous samples were taken to assess PM 10 airborne concentration: from one hand, a traditional device for long-term sampling (gravimetric analysis) was employed, while on the other one, a photometric aerosol detection technology developed with a real-time dust monitor was tested.The comparison of collected data revealed that optical readings, if not supported with a specific calibration against physical properties of the dust being measured, may overestimate PM 10 concentration.In the second period of sampling campaign (2013), the calibration was realized taking into account particle size distribution and density and the samples were collected again.The following analysis showed an improvement in the correlation factor R 2 by more than 20%.This result demonstrates that photometric aerosol detection technology using a nephelometer should be considered suitable for monitoring PM 10 in dusty workplaces such as quarries or mines, especially when supported by a gravimetric sample to calibrate the optical device itself.This integrated approach seems to be the best option to reduce sampling time without reducing accuracy responses.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».