MétaCan
Menu
Retour à la cohorte
Enregistrement W2589564792 · doi:10.1021/acs.est.6b06298

Experimental Assessment of Photon Fluence Rate Distributions in a Medium-Pressure UV Photoreactor

2017· article· en· W2589564792 sur OpenAlexaff
Mengkai Li, Zhimin Qiang, Chen Wang, James R. Bolton, Ernest R. Blatchley

Notice bibliographique

RevueEnvironmental Science & Technology · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueCalibration and Measurement Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Natural Science Foundation of ChinaPurdue University
Mots-clésPhotonEnvironmental scienceFluenceOpticsMaterials sciencePhysicsLaser

Résumé

récupéré en direct d'OpenAlex

The performance of a medium-pressure (MP) mercury lamp photoreactor is strongly influenced by the spatial photon fluence rate (PFR) distributions which are wavelength-dependent. To address this issue, PFR distributions in an MP lamp photoreactor were measured using a 360-degree response microfluorescent silica detector (MFSD). To accurately express the optical behavior in an MP photoreactor, PFR, MFSD response PFR (PFR MFSD ), and effective germicidal PFR (PFR GER ) were defined and compared. The measured axial and radial PFR MFSD values agreed well with the corresponding results from a simulation model (UVCalc). The PFR and PFR GER were obtained from the measured PFR MFSD by using correction factors calculated by the UVCalc. Under identical UV transmittance (254 nm) conditions (75% and 85%), the weighted average PFR GER values were 13.3–18.7% lower than the corresponding PFR values, indicating that PFR GER, rather than PFR should be used in MP photoreactor design to meet disinfection standards. Based on measured lamp output, medium absorption spectrum, MFSD response, and microbial DNA response spectrum, the detailed relationships between the PFR, PFR MFSD, and PFR GER were elucidated. This work proposes a new method for the accurate description of wavelength-dependent PFR distributions in MP photoreactors, thus providing an important tool for the optimal design of these systems.

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)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,011
Tête enseignante GPT0,266
Écart entre enseignants0,255 · 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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Science & TechnologyMême sujetCalibration and Measurement TechniquesTravaux en français237 207