MétaCan
Menu
Retour à la cohorte
Enregistrement W2592734879 · doi:10.1002/ep.12578

Dispersion of volatile organic compounds (VOCs) emissions from a biofilter at an electronic manufacturing facility

2017· article· en· W2592734879 sur OpenAlexaffabout
Nada Azlah, Zarook Shareefdeen, Ali Elkamel

Notice bibliographique

RevueEnvironmental Progress & Sustainable Energy · 2017
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueOdor and Emission Control Technologies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésBiofilterEnvironmental scienceOdorPollutantDispersion (optics)Volatile organic compoundEnvironmental engineeringPlumeEnvironmental chemistryWaste managementMeteorologyChemistryEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

Printed circuit board (PCB) manufacturing industries, known as PCB facilities, emit odorous and toxic volatile organic compounds (VOCs). Such compounds not only harm the health but also create a nuisance environment for people who live in the neighborhood of PCB facilities. Biofilter technology which is based on the bio‐oxidation of pollutants has been used by many industries to remove odorous VOCs. When the removal efficiency drops due to a design or operational deficiency, odorous VOCs are released from the biofilter and this becomes evident by the increased odor complaints. Poor biofilter performance, geographical location of the facility, and meteorological conditions contribute to increased dispersion of VOCs. This research investigates dispersion of a VOC pollutant known as propylene glycol monomethyl ether acetate (PGMEA) which is released from a commercial biofilter unit installed at a PCB facility in Ontario, Canada. A Gaussian dispersion model and California puff model (CALPUFF) were used to examine the dispersion effects due to changes in wind speed, wind direction, temperature, mixing height, atmospheric stability classes as well as biofilter performance. Simulations were done for the three modeling periods (January, May, September) to account for seasonal effects on PGEMEA dispersion and predictions from both models are compared. The contour hourly wind and concentration plots confirm that the seasonal changes have a direct impact on the PGMEA concentration and plume path. The results presented under variable meteorological conditions show that the average daily concentration of PGMEA is the highest in the month of September. © 2017 American Institute of Chemical Engineers Environ Prog, 36: 1100–1107, 2017

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,274
Score d'incertitude au seuil0,546

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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)0,0000,000

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 Opus0,005
Tête enseignante GPT0,209
Écart entre enseignants0,204 · 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'étudeObservationnel
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

Citations9
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEnvironmental Progress & Sustainable EnergyMême sujetOdor and Emission Control TechnologiesTravaux en français237 207