Extraction of dust collected in HVAC filters for quantitative filter forensics
Notice bibliographique
Résumé
The analysis of dust collected on the filters installed in the heating, ventilation, and air-conditioning (HVAC) systems, filter forensics, is a useful approach to explore concentration, size distribution, and composition of indoor particles. The extraction of dust from filters represents one of the biggest challenges to obtain accurate results from filter forensics. Although vacuuming is one of the most common dust extraction techniques, it is unclear how efficient it is and whether it provides a representative sample in terms of particle size. In this article, we used a high-capacity vacuum sampler to extract dust from 20 filters artificially loaded with well-characterized test dust as well as from 41 filters naturally loaded in residential HVAC systems. After all extractions, we recovered 0.1–5.5 g and 0.02–11.4 g of dust from the artificially and naturally loaded filters, respectively. These ranges were equivalent to 11.3–52.2% and 1.8–72.9% recovery efficiency, the ratio of dust recovered to the dust loaded in the filters. Multiple extractions were found to be an effective strategy to add to the recovery to enable filter forensics for the detection of multiple analytes. The recovered samples were slightly over-representative of particles greater than 10 µm. Therefore, caution should be taken when applying filter forensics for studying contaminants associated with smaller particles.Copyright © 2020 American Association for Aerosol Research
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».