MétaCan
Menu
Retour à la cohorte
Enregistrement W2982014056 · doi:10.1088/1757-899x/609/3/032044

Performance of mechanical filters used in general ventilation against nanoparticles

2019· article· en· W2982014056 sur OpenAlexafffund
Clothilde Brochot, Ali Bahloul, Pooya Abdolghader, Fariborz Haghighat

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueAerosol Filtration and Electrostatic Precipitation
Établissements canadiensInstitut de recherche Robert-Sauvé en santé et en sécurité du travailConcordia University
Organismes subventionnairesInstitut de Recherche Robert-Sauvé en Santé et en Sécurité du Travail
Mots-clésMaterials scienceASHRAE 90.1HEPAPressure dropParticle sizeNanoparticleRangingPenetration (warfare)Filtration (mathematics)Composite materialAcousticsNanotechnologyDrop (telecommunication)Computer scienceMechanicsChemical engineeringMathematicsMechanical engineeringEngineeringPhysicsMeteorologyStatistics

Résumé

récupéré en direct d'OpenAlex

Abstract Filtration is a simple and effective way to capture particles of different sizes. According to ANSI/ASHRAE 52.2 standard, ventilation filters efficiency is tested for particles ranging from 0.3 to 10.0 μm. To our knowledge, performances of entire filters for nanoparticles are still very limited and particle size of 300 nm is commonly used as the Most Particle Penetration Size (for mechanical media). In order to evaluate the filter performance for nanoparticles, five type of filters (from MERV 8 to HEPA) were evaluated via two measurements: penetration and pressure drop. Results are consistent with previous experimental measurements on media and entire filters. These data show that the range of 150 to 500 nm is a better estimation of the MPPS, unlike the fixed diameter of 300 nm.

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 ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,190 · 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

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetAerosol Filtration and Electrostatic PrecipitationTravaux en français237 207