MétaCan
Menu
Retour à la cohorte
Enregistrement W2913396867 · doi:10.1080/23744731.2019.1576457

Are aircraft acceleration-induced body forces effective on contaminant dispersion in passenger aircraft cabins?

2019· article· en· W2913396867 sur OpenAlexaff
Hossam A. Elmaghraby, Yi Wai Chiang, Amir A. Aliabadi

Notice bibliographique

RevueScience and Technology for the Built Environment · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerodynamics and Fluid Dynamics Research
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAirflowClimbDescent (aeronautics)AccelerationEnvironmental scienceDispersion (optics)Flow (mathematics)Marine engineeringEngineeringMechanicsAerospace engineeringPhysicsMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Numerical simulations for the effect of body forces due to aircraft acceleration on the airflow and contaminant dispersion in a model for a passenger aircraft cabin are performed in this study. Sulfur hexafluoride (SF6) was used as the in-cabin contaminant and served as a surrogate for cough particles in the size from 1.6 to 3.0 µm. It was found that those body forces have a significant impact on the contaminant dispersion phenomena and concentrations, especially during the climb leg, where the time-integrated concentration was 2.4 to 2.8 times its counterpart during the steady level (cruise) flight case at the two monitoring locations for most of the simulation time. However, the exposure to the contaminant did not change appreciably during the descent leg. Air velocities, on the other hand, increased noticeably during the climb and descent legs, leading to evident changes in the airflow patterns, airflow circulation magnitude, and, at some locations, airflow circulation directions. The current study has limitations, requiring detailed calculations while considering parametric variations. The findings warrant a closer investigation into the effects of body forces due to aircraft acceleration on the airflow and contaminant dispersion in various passenger aircraft cabins.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,008
Tête enseignante GPT0,235
Écart entre enseignants0,227 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience and Technology for the Built EnvironmentMême sujetAerodynamics and Fluid Dynamics ResearchTravaux en français237 207