MétaCan
Menu
Retour à la cohorte
Enregistrement W2982056957 · doi:10.1088/1757-899x/609/4/042011

Numerical Simulation of a UV-PCO Plate Reactor

2019· article· en· W2982056957 sur OpenAlexaff
Hao Luo, Guangxin Zhang, Lexuan Zhong, Zaher Hashisho

Notice bibliographique

RevueIOP Conference Series Materials Science and Engineering · 2019
Typearticle
Langueen
DomaineEnergy
ThématiqueTiO2 Photocatalysis and Solar Cells
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésAirflowChemical kineticsIrradianceComputational fluid dynamicsReaction rateChemistryMass transferKineticsMechanicsKinetic energyTurbulence kinetic energyEnvironmental scienceCatalysisThermodynamicsOpticsPhysicsChromatographyTurbulenceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Ultraviolet photocatalytic oxidation (UV-PCO) system has gained increasing attention in indoor air treatments, of which the PCO reaction kinetics mainly depend on the radiation and airflow (contaminants) fields. It is recognized that the airflow rate has a significant influence on the PCO kinetics with the balance of the VOC mass transfer process. However, there are few discussion for the airflow rate dependency in the PCO kinetic reaction model. In addition, most of the studies in the literature assumed the incident surface irradiance was the energy participating in PCO reactions, which is not accurate. Hence, a 3D Computational Fluid Dynamics (CFD) model, including catalyst photon absorption coefficient, the conservation of mass, momentum, energy, and species, as well as PCO reaction kinetics, was introduced in this study. The determined model parameters were verified by the experimental data for a plate reactor challenged with 10 ppm acetone. The airflow rate dependency was examined in conjunction with CFD providing local flow field information, and the catalyst absorbed light intensity was quantified by a validated radiation model. It was found that the PCO removal efficiency predictions from the developed mathematical model agree with experimental data.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,013
Tête enseignante GPT0,216
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'étudeSimulation ou modélisation
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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIOP Conference Series Materials Science and EngineeringMême sujetTiO2 Photocatalysis and Solar CellsTravaux en français237 207