Vapor intrusion risk evaluation using automated continuous chemical and physical parameter monitoring
Notice bibliographique
Résumé
Abstract Vapor intrusion risk characterization efforts are challenging due to complexities associated with background indoor air constituents, preferential subsurface migration pathways, and representativeness limitations associated with traditional randomly timed time‐integrated sampling methods that do not sufficiently account for factors controlling concentration dynamics. The U.S. Environmental Protection Agency recommends basing risk related decisions on the reasonable maximum exposure (RME). However, with very few exceptions, practitioners have not been applying this criterion. The RME will most likely occur during upward advective flux conditions. As such, for RME determinations, it is important to sample when upward advective flux conditions are occurring. The most common vapor intrusion assessment efforts include randomly timed sample collection events, and therefore do not accurately yield RME estimates. More specifically, researchers have demonstrated that randomly timed sampling schemes can result in false negative determinations of potential risk corresponding to RMEs. For sites experiencing trichloroethylene (TCE) vapor intrusion, the potential for acute risks poses additional challenges, as there is a critical need for rapid response to exposure exceedances to minimize health risks and liabilities. To address these challenges, continuous monitoring platforms have been deployed to monitor indoor concentrations of key volatile constituents, atmospheric pressure, and pressure differential conditions that can result in upward toxic vapor transport and entry into overlying buildings. This article demonstrates how vapor intrusion RME‐based risks can be successfully and efficiently determined using continuous monitoring of concentration and parameters indicating upward advective chemical flux. Time series analyses from multiple selected 8‐ and 24‐hr time increments during upward advective TCE flux conditions were performed to simulate results expected from the most commonly employed sampling methods. These analyses indicate that, although most of the selected time increments overlap within the same 24‐hr window, results and conclusions vary. As such, these findings demonstrate that continuous monitoring of concentration and parameters such as differential pressure and determination of a time‐weighted concentration average over a selected duration when upward advective flux is occurring can allow for a realistic RME‐based risk estimate.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».