MétaCan
Menu
Retour à la cohorte
Enregistrement W2795472213 · doi:10.4271/2018-01-0355

Fuel Effects on Particulate Matter Emissions Variability from a Gasoline Direct Injection Engine

2018· article· en· W2795472213 sur OpenAlexafffund
Manuel Ramos, James S. Wallace

Notice bibliographique

RevueSAE technical papers on CD-ROM/SAE technical paper series · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueVehicle emissions and performance
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAUTO21 Network of Centres of Excellence
Mots-clésParticulatesGasoline direct injectionGasolineEnvironmental scienceAutomotive engineeringPetrol engineWaste managementInternal combustion engineChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

<div class="section abstract"><div class="htmlview paragraph">Particulate matter emissions from gasoline direct injection engines are a concern due to the health effects associated with ultrafine particles. This experimental study investigated sources of particulate matter emissions variability observed in previous tests and also examined the effect of ethanol content in gasoline on particle number (PN) concentrations and particle mass (PM) emissions. FTIR measurements of gas phase hydrocarbon emissions provided evidence that changes in fuel composition were responsible for the variability. Exhaust emissions of toluene and ethanol correlated positively with emitted PN concentrations, while emissions of isobutylene correlated negatively. Exhaust emissions of toluene and isobutylene were interpreted as markers of gasoline aromatic content and gasoline volatility respectively. Tests conducted with gasoline containing added toluene (10%) supported this hypothesis and led to the overall conclusion that the emissions variability observed in PN concentrations can be attributed to changes in the composition of the pump gasoline being used. Tests conducted with gasoline containing added ethanol (10% and 30%) found that increasing ethanol fuel content increased emitted PN concentrations at steady-state operation.</div></div>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0020,001

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 Opus0,007
Tête enseignante GPT0,227
Écart entre enseignants0,221 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations7
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSAE technical papers on CD-ROM/SAE technical paper seriesMême sujetVehicle emissions and performanceTravaux en français237 207