MétaCan
Menu
Retour à la cohorte
Enregistrement W3009222047 · doi:10.1080/23744731.2020.1738871

Laboratory performance of new and used residential HVAC filters: Comparison to field results (RP-1649)

2020· article· en· W3009222047 sur OpenAlexaff
Tianyuan Li, Jeffrey A. Siegel

Notice bibliographique

RevueScience and Technology for the Built Environment · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueAir Quality and Health Impacts
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésASHRAE 90.1HVACEnvironmental scienceAir conditioningPressure dropProcess engineeringEngineeringMeteorologyMechanical engineeringMechanicsPhysics

Résumé

récupéré en direct d'OpenAlex

Particle filters are used in heating, ventilating, and air-conditioning (HVAC) systems to protect equipment and reduce exposure to airborne particles. Filtration standards such as ANSI/ASHRAE Standard 52.2 are used to evaluate filter performance in a laboratory setting. In this work, we examined the lab-tested performance of new filters with different nominal efficiencies as determined by ASHRAE Standard 52.2 and compared these results to the lab-tested and in-situ performance of filters deployed in 21 occupied residential environments. The lab-tested results comparison shows that the dust loading and conditioning procedure in ASHRAE Standard 52.2 provides a reasonable range of efficiencies for the used filters, but the target final pressure drop of 250 Pa is an overestimation of the realistic pressure drops. Moreover, the specified test dust was not a good representation of the dust in this sample of residential environments. The lab-tested and in-situ results comparison suggests that even for the same filter, its lab-tested performance could differ greatly from its in-situ performance because of variations in system and loading conditions, which are not captured in the laboratory setting. Overall, the lab-tested results are an overestimation of the in-situ efficiency and an underestimation of the in-situ pressure drop for both new and used filters.

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)0,002
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,046
Tête enseignante GPT0,303
Écart entre enseignants0,257 · 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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience and Technology for the Built EnvironmentMême sujetAir Quality and Health ImpactsTravaux en français237 207