An Adaptive Indoor Air Quality Control Scheme for Minimizing Volatile Organic Compounds Density
Notice bibliographique
Résumé
Volatile organic compounds (VOCs) such as toluene, xylene, and formaldehyde are commonly found in indoor and the VOCs will yield human health's issue. The compounds are crucial in determining the indoor air quality (IAQ) and hence being how to manage IAQ becomes an important topic. Most human may spend most of time living in poor IAQ environment and it may result in excess life risk to respiratory symptoms and billion US dollars cost annually. VOC degrades IAQ and high VOC density indoor is not uncommon. The World Health Organization (WHO) and the Government of Canada provided benchmarks on the harm levels and the benchmarks indicated the potential health risk caused by hazardous substances. In this paper, a new comprehensive control scheme, namely fuzzy genetic multi-layer control scheme (FGMLCS), is designed to manage the IAQ. The multilayer control structure is designed which includes fuzzy logic together with genetic algorithm and multi-objective optimization to give an optimal control for a better IAQ. Q factor is defined based on the “harm levels” set by the benchmarks to give a unified standard for various VOCs with different “harm levels”. FGMLCS has achieved VOC density better than the “harm levels” by over 57%, which is superior to the benchmarks and is able to lower the risk of health deterioration and thus aiding habitant to be less carcinogenic.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».